ACFSENet:一个自适应的跨频全球稀疏编码网络,用于端到端的EEG情绪识别
Wenxia Qi1, Xingfu Wang1, Wenjie Yang1
1University of the Chinese Academy of Sciences, No.1 Yanqihu East Road, Huairou District, Beijing, 101408, CHINA.
Biomedical physics & engineering express
|January 6, 2026
概括
这项研究介绍了ACFSENet,一种基于EEG的情绪识别系统. 它有效地捕捉大脑动态,以改善人机交互和心理健康应用.
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:
- 基于端到端脑电图 (EEG) 的情绪识别对于人机交互和情感脑机接口 (aBCI) 等应用至关重要.
- 现有的方法往往忽视交叉频率神经振荡相互作用,并表现出高的计算复杂性,阻碍实时和资源受限的应用.
研究的目的:
- 开发一种新的端到端神经架构,ACFSENet,以实现高效准确的基于EEG的情绪识别.
- 通过整合自适应交叉频率建模和全球稀疏编码来解决现有方法的局限性.
主要方法:
- ACFSENet使用适应频率感知机制来动态关注特定主体和任务的大脑动态.
- 结合时间蒸的稀疏注意力机制,以减少计算复杂性,同时保持长距离的时间依赖模型.
- 该模型使用DEAP,SEED和SEED-IV基准数据集的交叉区块验证进行了评估.
主要成果:
- 在基于EEG的情绪识别中,ACFSENet与最先进的方法相比表现优越.
- 拟议的架构在高识别精度和计算效率之间实现了显著的平衡.
- 适应频率感知机制增强了情感表现的灵活性.
结论:
- ACFSENet为基于EEG的实时和高效情绪识别提供了一个有前途的解决方案.
- 整合自适应交叉频率建模和稀疏编码有效地解决了以前方法的局限性.
- 这项工作推动了情感计算和脑-计算机接口的发展.
