客观情绪评估使用三重注意网络为基于EEG的大脑计算机接口

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
• 信号处理 信号处理

背景情况:

• 情绪识别对于脑-计算机接口和人-计算机交互至关重要.
• 电脑电图 (EEG) 是情感计算的关键生理信号,因为它具有时间分辨率和非侵入性.
• 脑电图信号在情绪识别方面存在挑战,原因是噪音和变异性.

研究的目的:

• 开发一种用于基于EEG的精确情绪识别的新框架.
• 解决EEG信号固有的复杂性和噪声问题.
• 通过使用先进的深度学习技术,提高情绪评估系统的性能.

主要方法:

• 提出了一种三重注意网络 (TANet),集成了合规器,卷积块注意模块 (CBAM) 和相互交叉模式注意 (MCA).
• 调整器捕捉时间依赖性,CBAM细化空间特征,MCA融合了差异和功率光谱密度.
• 在DEAP和SEEDEEG情绪数据集上评估了TANet.

主要成果:

• 在SEED数据集上,TANet使用特定主题的交叉验证实现了98.51%的准确性.
• 在DEAP数据集中,TANet在价值方面达到99.69%,在兴奋方面达到99.67%,使用细分级别的分割.
• 与现有方法相比,表现出优越的性能,突出了注意力机制的互补效应.

结论:

• TANet为EEG情绪识别提供了一种高性能,强大的解决方案.
• 提供了对生理信号处理的多维注意力的理论见解.
• 为开发基于EEG的先进情绪评估系统提供实用指导.