.png){kind=icon}
返回
Emotion recognition with a Randomized CNN-multihead-attention hybrid model optimized by evolutionary intelligence algorithm
.png){kind=icon}
OA
AI
DOI：10.1016/j.array.2025.100401.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
情感识别系统对于各种应用至关重要，但现有模型在计算效率和准确性方面常面临局限性，尤其是在处理序列数据中的复杂情感表达时。为解决这些挑战，我们提出了一种创新情感识别框架，该框架整合了随机卷积神经网络（RCNN）与多头注意力模型，并通过足球队训练算法（FTTA）元启发式方法进一步优化网络参数，以有效提升网络性能。RCNN以卷积层中的固定随机权重为特征，能高效地从面部特征点中提取特征，实现鲁棒且多样化的特征提取，同时降低计算负载。该结构辅以多头注意力机制处理情感数据中的时序动态，两个组件均通过FTTA优化以平衡探索与利用。我们的混合模型在公认的广泛情感识别数据集上经过严格测试，其性能优于常规全可训练模型及其他替代架构。结果表明，分类准确率显著提升，整体准确率达99%，计算需求大幅降低，训练时间平均比当前最优模型快65%。这些改进证实了模型在各类情感分类中的高效性与鲁棒性。RCNN的固定权重特征提取与FTTA优化能力的协同作用，为情感识别系统提供了一种强大解决方案。准确性与效率的结合使我们的模型适用于实际应用，特别是在医疗保健和心理健康监测等领域，实时情感检测可产生重要影响。
Keyword:
Emotion recognition
Randomized Convolutional Neural Networks (RCNN)
Multi-head attention mechanism
Evolutionary optimization
Football Team Training Algorithm (FTTA)
Real-time emotion detection
期刊
IF:
4.5
论文数:
930
被引数:
1.2K
机构
暂无机构信息
引用论文
Stochastic choice of basis functions in adaptive function approximation and the functional-link net
PREAI
分享收藏Randomly Weighted CNNs for (Music) Audio Classification.png)
ICASSP 2019 - 2019 IEEE International Conference on Acoustics, Speech and Signal Processing (ICASSP)
OAAI
ICASSP 2019 - 2019 IEEE International Conference on Acoustics, Speech and Signal Processing (ICASSP)IF0
OAAI分享收藏
查看更多内容