基于Bi-GRU的EEG deception检测
机器学习
2025-07-21 v1
摘要
Deception detection是security、psychology和forensics等领域的重要挑战。本研究提出了一种基于深度学习的方法，用于从Bag-of-Lies数据集中获得的EEG信号对欺骗与真实行为进行分类。该数据集是一个为自然且非正式的欺骗情境设计的多模态语料库。我们训练了一个双向Gated Recurrent Unit(Bi-GRU)神经网络，对EEG样本进行二分类。模型在测试集上达到了97%的准确率，并在两个类别中实现了高精度、高召回率和高F1分数。这些结果表明了使用双向时序建模进行EEG-based欺骗检测的有效性，并为实时应用以及未来探索更先进的神经网络架构指明了潜力。
关键词
引用
@article{arxiv.2507.13716,
title = {Benchmarking of EEG Analysis Techniques for Parkinson's Disease Diagnosis: A Comparison between Traditional ML Methods and Foundation DL Methods},
author = {Danilo Avola and Andrea Bernardini and Giancarlo Crocetti and Andrea Ladogana and Mario Lezoche and Maurizio Mancini and Daniele Pannone and Amedeo Ranaldi},
journal= {arXiv preprint arXiv:2507.13716},
year = {2025}
}