面向跨被试脑电情绪识别的多子域对抗网络
声音
2023-08-29 v1 人机交互
音频与语音处理
摘要
在基于脑电（EEG）的情绪识别中，被试间的个体差异显著，导致模型难以跨被试共享。以往研究使用域适应算法来最小化全局域差异，却忽略了类别信息，这可能造成子域错位并降低模型性能。本文提出一种多子域对抗网络（MSAN）用于跨被试基于EEG的情绪识别。MSAN利用对抗训练对全局域与子域的差异进行建模，以减小类内距离并增大类间距离。此外，MSAN通过预训练的自编码器初始化参数，以保证模型的稳定性与可迁移性。实验结果表明，与非迁移方法相比，MSAN在SEED数据集上的准确率提升了30.02%。
引用
@article{arxiv.2308.14059,
title = {Multi-Subdomain Adversarial Network for Cross-Subject EEG-based Emotion Recognition},
author = {Guang Lin and Jianhai Zhang},
journal= {arXiv preprint arXiv:2308.14059},
year = {2023}
}