.png){kind=icon}
返回
Deep Representation Learning for Multimodal Emotion Recognition Using Physiological Signals
.png){kind=icon}
OA
AI
DOI：10.1109/ACCESS.2024.3436556.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
近年来，生理信号分析已经获得了很多兴趣，并且已经用于包括情绪识别、活动识别和健康监测的各种领域。然而，基于生理信号的情感识别尚未完全使用深度学习进行探索，并且仍有一些令人兴奋的挑战需要处理。例如，用于时空特征提取的深度表示学习，具有纠缠特征的相邻情感之间的区分以及数据的不平衡分布是情感识别中最突出的问题。这项工作的重点是生理信号的深度多模态表示学习，以缓解上述挑战。我们引入了一种用于情感分类的新型深度学习架构，该架构可以有效地从生理信号中提取时空信息。我们提出了一种相互注意机制来提取特定于情感的特征以改进分类。为了处理相邻情绪和不平衡数据的问题，我们引入了基于高斯相似性度量的密集最大边缘损失函数。我们在不同数据集上的实验表明，所提出的情绪分类方法有效地学习了生理信号的平衡深度表示，显着最大化了类间余量，并减少了类内方差以区分不同课程的情绪。
Keyword:
Feature extraction
Emotion recognition
Brain modeling
Physiology
Electrocardiography
Deep learning
Biomedical monitoring
deep learning
attention mechanism
imbalanced data
EEG
ECG
期刊
IF:
3.6
论文数:
9.8W
被引数:
29.4W
机构
引用论文
分享收藏CD70/CD27 Signaling Mediates Resistance of Chronic Myeloid Leukemia Stem Cells to Tyrosine Kinase Inhibitors By Compensatory Activation of the Wnt Pathway.png)
Blood
BloodIF0
PREAI
分享收藏Utilizing Deep Learning Towards Multi-Modal Bio-Sensing and Vision-Based Affective Computing利用深度学习实现多模态生物传感和基于视觉的情感计算
OAAI
OAAI分享收藏Revealing Real-Time Emotional Responses: a Personalized Assessment based on Heartbeat DynamicsSCIENTIFIC REPORTSOAAI
SCIENTIFIC REPORTSIF3.9
OAAI分享收藏A Cross-Linguistic Perspective on the Acquisition of Causal Connectives and Relations因果连接词和关系习得的跨语言视角OAAI
OAAI分享收藏
查看更多内容