HBUED:用于情绪识别的EEG数据集
Shuaiqi Liu1, Xinrui Wang1, Yanling An2
1College of Electronic and Information Engineering, Hebei University, Machine Vision Technology Innovation Center of Hebei Province, Baoding 071002, China.
Journal of affective disorders
|May 14, 2025
概括
研究人员开发了一个大规模的脑电图 (EEG) 数据集用于情绪识别和深度学习方法以提高准确性. 这种方法有效地处理复杂的数据,增强人机交互. 数据集和代码是公开的.
科学领域:
- 神经科学是一个神经科学.
- 计算机科学 计算机科学
- 人工智能的人工智能
背景情况:
- 使用脑电图 (EEG) 数据的情绪识别对于推进人机交互至关重要.
- 目前的EEG数据集往往缺乏足够的受试者数据来进行强大的模型培训和验证.
- 这种局限性阻碍了有效的情绪识别系统的发展.
研究的目的:
- 介绍河北大学情绪EEG数据集 (HBUED),这是一个大型数据集,旨在用于情绪识别研究.
- 介绍一种新的深度学习方法来提高基于EEG的情绪识别性能.
- 在情绪识别模型中处理复杂的EEG样本的挑战.
主要方法:
- 开发了一种双输入网络架构,用于从多个角度提取歧视性EEG信号特征.
- 实现了并行特征提取模块以扩大网络宽度,捕获全面的特征,同时防止过度装配.
- 整合了拓特征提取模块,以更好地分析EEG信号的拓特征.
主要成果:
- 提出的深度学习方法在情绪识别任务中表现出有效性.
- 对新创建的HBUED数据集和公开的DEAP数据集进行了验证.
- 实验结果证实了拟议方法的卓越性能.
结论:
- HBUED数据集为情绪识别研究社区提供了宝贵的资源.
- 这种新的深度学习方法为改善基于EEG的情绪识别提供了有效的解决方案.
- HBUED数据集和源代码的公开可用性有助于进一步的研究和开发.
