适应性时空意识图学习用于基于EEG的情感识别
Weishan Ye1,2, Jiyuan Wang1,2, Lin Chen1,2
1School of Biomedical Engineering, Medical School, Shenzhen University, Shenzhen, China.
Cyborg and bionic systems (Washington, D.C.)
|May 20, 2025
概括
这项研究介绍了GraphEmotionNet,这是电脑电图 (EEG) 情绪识别的新型模型. 它通过学习道连接和适应个体变异来提高准确性,以便更好地分类情绪.
科学领域:
- 神经科学是一个神经科学.
- 人工智能的人工智能
- 生物医学工程 生物医学工程
背景情况:
- 电脑电图 (EEG) 信号提供了由于可移植性和实时能力的情绪识别的潜力.
- 现有的EEG情绪识别方法面临信号非静止性和个体变异性的挑战.
- 准确的情感识别对于医疗保健,娱乐和教育领域的应用至关重要.
研究的目的:
- 开发一个新的EEG情感识别模型,GraphEmotionNet,以提高准确性.
- 为了解决EEG信号的非静态性和个体变异性的局限性.
- 为了增强情绪分类的时空特征表征.
主要方法:
- 拟议的GraphEmotionNet模型结合了时空注意力机制和转移学习.
- 适应式图形构造以学习EEG通道之间的内在连接.
- 域调整技术,使不同域的特征一致,减少个体的变化.
主要成果:
- 图形情感网有效地提取与情感语义相关的EEG特征.
- 该模型在情绪识别任务中表现出了有希望的表现.
- 在基准数据库上验证的实验结果,使用主体内和跨主体交叉验证.
结论:
- GraphEmotionNet显著提高了基于EEG的情绪识别准确度.
- 该模型的自适应图和域适应有效地处理EEG信号的变化.
- 这种方法显示了强大可靠的情绪识别系统的潜力.
更多相关视频
08:22Author Spotlight: Advancing the Study of Brain-Heart Interplay with a Comprehensive EEGLAB Plugin for Multimodal Signal Analysis
Published on: April 26, 2024
1.6K
06:37Author Spotlight: Addressing Technical and Subjective Challenges in Measuring Classroom Attention
Published on: December 15, 2023
2.5K
