利用 EEG 信号的时空特征进行跨被试情绪识别
人机交互
2023-12-27 v1 机器学习
信号处理
摘要
跨被试或独立于被试的情绪识别一直是情感计算中的一项具有挑战性的任务。本工作提出了一种易于实现的情绪识别模型，可独立于被试地从 EEG 信号中分类情绪。它基于著名的 EEGNet 架构，该架构用于与 EEG 相关的脑机接口（BCIs）。我们使用了基于自然刺激的情绪数据集（DENS）。该数据集包含情绪事件——即参与者所感受情绪时刻的精确信息。该模型结合了 CNN 的常规卷积、深度可分离卷积和可分卷积层来对情绪进行分类。该模型能够学习 EEG 通道的空间特征以及 EEG 信号随时间变化的时序特征。模型针对效价空间评分进行了评估，达到了 73.04% 的准确率。
引用
@article{arxiv.2305.19379,
title = {Inter Subject Emotion Recognition Using Spatio-Temporal Features From EEG Signal},
author = {Mohammad Asif and Diya Srivastava and Aditya Gupta and Uma Shanker Tiwary},
journal= {arXiv preprint arXiv:2305.19379},
year = {2023}
}