.png){kind=icon}
返回
BrainEmoNet: emotion recognition network based on brain function asymmetry
.png){kind=icon}
PRE
AI
DOI：10.1088/2057-1976/ae1dfd.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
对主体情绪状态进行识别对于在许多人与计算机交互场景中实现人性化服务具有重要意义。近年来，基于脑电图（EEG）的情绪状态识别受到了越来越多的关注。然而，由于EEG信号的复杂性，基于EEG的情绪识别极具挑战性。本研究提出了一种基于学习框架的新型BrainEmoNet，从人类大脑功能不对称性的角度提高情绪识别准确率。BrainEmoNet由频域特征网络（FFN）、长期依赖特征网络（LDFN）和空间特征分析网络（SCAN）组成。并行的FFN和LDFN分别用于提取每个脑通道信息中的频域和长期依赖特征。同时，基于人类大脑的工作原理，提出带有通道-空间注意力机制的SCAN，通过分配自适应权重聚焦高价值信息通道，并分析频域和时间域特征的空间特征。在时频空间视角下的特征分析能够充分挖掘EEG信息中包含的情绪信息。在多模态DEAP数据集上的实验结果表明，BrainEmoNet在性能上优于现有最先进模型。在受试者相关实验中，所提模型在唤醒度和效价维度上的识别准确率分别为86.77%和82.14%，而在受试者无关实验中分别为75.53%和72.83%。本研究提出的BrainEmoNet模型可作为情绪评估或监测的辅助工具。
Keyword:
emotion recognition
EEG
deep learning
feature extraction
multi-perspective feature model
期刊
B
IF:
1.6
论文数:
168
被引数:
0
机构
引用论文
.png){kind=icon}
EEG emotion recognition using attention-based convolutional transformer neural network基于注意卷积变换神经网络的脑电情绪识别
PREAI
分享收藏分享收藏A spatiotemporal symmetrical transformer structure for EEG emotion recognition用于脑电情感识别的时空对称变换器结构
PREAI
分享收藏分享收藏Spatial–temporal features-based EEG emotion recognition using graph convolution network and long short-term memory基于图卷积网络和长短期记忆网络的时空特征脑电图情感识别
PREAI
分享收藏
查看更多内容