基于图注意力机制的局部时空模式学习用于 EEG 情绪识别
信号处理
2022-08-24 v1 人工智能
计算机视觉与模式识别
人机交互
机器学习
摘要
情绪识别技术使计算机能够将人类情感状态分类为离散类别。然而，即使在短时间区间内，情绪也可能波动而非保持稳定状态。由于其三维拓扑结构，充分利用 EEG 空间分布也存在困难。为解决上述问题，我们在本研究中提出了一种局部时空模式学习图注意力网络（LTS-GAT）。在 LTS-GAT 中，采用分治策略基于图注意力机制考察 EEG 模式在时间维与空间维上的局部信息。添加了一个动态域判别器，以提升对 EEG 统计的个体间变化的鲁棒性，从而跨不同被试学习鲁棒的 EEG 特征表示。我们在两个用于情感计算研究的公开数据集上，于依赖个体与独立个体范式下评估了 LTS-GAT。与其他现有主流方法相比，LTS-GAT 模型的有效性得到了证明。此外，使用可视化方法阐释了不同脑区与情绪识别的关系。同时，不同时间段的权重也被可视化以研究情绪稀疏性问题。
引用
@article{arxiv.2208.11087,
title = {Locally temporal-spatial pattern learning with graph attention mechanism for EEG-based emotion recognition},
author = {Yiwen Zhu and Kaiyu Gan and Zhong Yin},
journal= {arXiv preprint arXiv:2208.11087},
year = {2022}
}