CIT-EmotionNet:用于 EEG 情感识别的 CNN 交互式 Transformer 网络
信号处理
2023-05-10 v1 机器学习
摘要
利用脑电图(EEG)信号进行情感识别已成为情感计算与智能交互中的重要研究挑战。然而,有效结合 EEG 信号的全局与局部特征以提升情感识别性能仍是一项困难任务。在本研究中,我们提出了一种用于 EEG 情感识别的新型 CNN 交互式 Transformer 网络,称为 CIT-EmotionNet,其高效整合了 EEG 信号的全局与局部特征。首先,我们将原始 EEG 信号转换为空间-频率表示,作为网络输入。随后,我们以并行方式将卷积神经网络(CNN)与 Transformer 集成于单一框架内。最后,我们设计了一个 CNN 交互式 Transformer 模块,促进局部与全局特征的交互与融合,从而增强模型从 EEG 空间-频率表示中提取两类特征的能力。所提出的 CIT-EmotionNet 优于当前最优方法,在两个公开数据集 SEED 和 SEED-IV 上分别取得了 98.57% 和 92.09% 的平均识别准确率。
引用
@article{arxiv.2305.05548,
title = {CIT-EmotionNet: CNN Interactive Transformer Network for EEG Emotion Recognition},
author = {Wei Lu and Hua Ma and Tien-Ping Tan},
journal= {arXiv preprint arXiv:2305.05548},
year = {2023}
}
备注
10 pages,3 tables