ACCNet:适应性交叉频率合图表注意力对EEG情绪识别的注意力

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
• 情感计算是一种情感计算.

背景情况:

• 基于脑电图 (EEG) 的情感识别为个性化情感计算提供客观的神经洞察力.
• 图形神经网络 (GNN) 擅长模拟空间EEG通道关系,但在单用户应用中面临数据稀疏性和交叉频率交互方面的局限性.

研究的目的:

• 引入ACCNet,这是一个新的框架,旨在通过使用EEG信号来增强个性化情绪识别.
• 解决目前基于EEG的情绪识别GNN方法的局限性,特别是关于数据稀疏性和复杂的频率相互作用.

主要方法:

• 提出了适应性频段分解策略,用于对特定主体的EEG信号表示和个性化的频域分析.
• 引入了交叉频率合机制,从节点边缘的角度学习个性化的频率关系,专注于低频和高频互动.
• 增强了GNN在EEG数据中捕获特定用户的频率相互作用的能力.

主要成果:

• 在单个用户的情绪识别任务中,ACCNet表现出了卓越的性能,超过了现有的方法.
• 经验评估证实了该方法在捕获个性化频率相互作用方面的有效性.
• ACCNet对标记噪声表现出了异常的弹性,验证了其对现实应用的可靠性.

结论:

• 通过利用自适应频率分析和交叉频率合,ACCNet显著推进了个性化情绪识别.
• 该框架为情感计算应用提供了更准确,更稳定和更强大的解决方案.
• 开发的方法提供了一个可靠的工具,用于现实世界的情绪识别使用EEG.