视觉启发的多模式代注意网络用于高精度EEG眼动情绪识别
Wei Meng1, Fazheng Hou1, Kun Chen1
1School of Information Engineering, Wuhan University of Technology, 122 Luoshi Road, Wuhan 430070, P. R. China.
International journal of neural systems
|October 8, 2025
概括
这项研究引入了一个新的AI框架,将脑电图 (EEG) 和眼动 (EM) 数据结合起来,用于准确的情感识别. 多式联络方法在情感计算中增强了大脑与计算机接口的能力.
科学领域:
- 情感计算是一种情感计算.
- 人工智能的人工智能
- 生物医学信号处理
背景情况:
- 情感计算旨在使用人工智能识别人类的情绪.
- 整合EEG和眼睛运动等多式数据可以提高情绪识别的准确性.
- 现有的方法面临着数据稀疏性和特征兼容性的挑战.
研究的目的:
- 为增强情绪识别开发一种新的多式联络框架.
- 为了协同整合脑电图 (EEG) 和眼动 (EM) 功能.
- 提高情感计算系统的可靠性和准确性.
主要方法:
- 使用卷积架构进行神经模式提取的EEG特征编码器 (EFE).
- 电磁特征编码器 (EMFE) 使用科尔莫戈罗夫-阿诺德网络 (KAN) 来处理稀疏的电磁数据.
- 多模式代注意力特征融合 (MIAFF) 模块与层次道注意力 (HCAM) 进行特征集成.
主要成果:
- 在SEED (3级) 和SEED-IV (4级) 情感识别基准上取得了领先的准确性.
- 证明了生物模拟编码和代注意力在多式联中的有效性.
- 突出了该框架对先进的大脑与计算机接口应用程序的潜力.
结论:
- 拟议的多式联络框架通过整合EEG和EM数据,显著提高了情感识别的准确性.
- 仿生编码和代注意力是情感计算的强大技术.
- 这项研究为下一代脑计算机接口在各个领域铺平了道路.
