MASA-TCN：面向连续与离散 EEG 情感识别的多锚点空间感知时序卷积神经网络
机器学习
2024-10-28 v2
摘要
使用脑电图 (EEG) 的情感识别主要有两种场景：离散标签的分类与连续标注标签的回归。尽管已提出许多用于分类任务的算法，但用于回归任务的方法寥寥无几。对于情感回归，标签在时间上连续，一种自然的方法是学习时间动态模式。在先前研究中，长短期记忆 (LSTM) 与时序卷积神经网络 (TCN) 被用于从 EEG 特征向量中学习时间上下文信息，但 EEG 的空间模式未被有效提取。为使 TCN 具备空间学习能力以获得更好的回归与分类性能，我们提出一种名为 MASA-TCN 的新型统一模型，用于 EEG 情感回归与分类任务。空间感知时序层使 TCN 能够额外从 EEG 电极间的空间关系中学习。此外，提出一种带注意力融合的新型多锚点模块以学习动态时间依赖。在两个公开数据集上的实验表明，MASA-TCN 在 EEG 情感回归与分类任务上均取得了优于最先进方法 (SOTA) 的结果。代码见 https://github.com/yi-ding-cs/MASA-TCN。
引用
@article{arxiv.2308.16207,
title = {MASA-TCN: Multi-anchor Space-aware Temporal Convolutional Neural Networks for Continuous and Discrete EEG Emotion Recognition},
author = {Yi Ding and Su Zhang and Chuangao Tang and Cuntai Guan},
journal= {arXiv preprint arXiv:2308.16207},
year = {2024}
}
备注
12 pages, 4 figures. This work has been submitted to the IEEE for possible publication