基于神经网络的味觉电脑电图通道选择优化食物风味感官评估
信号处理
2024-10-07 v1 人工智能
机器学习
神经元与认知
摘要
受味刺激诱发的味觉电脑电图（EEG）可反映不同的脑模式，可用于如感官评估等应用。然而，鉴于计算成本和效率，包含众多通道的 EEG 数据面临着通道选择的关键问题。本文提出一种称为类激活映射注意力（CAM-Attention）的通道选择方法。CAM-Attention 方法将卷积神经网络结合通道和空间注意力（CNN-CSA）模型与梯度加权类激活映射（Grad-CAM）模型相结合。CNN-CSA 模型通过注意力机制挖掘 EEG 数据中的关键特征，Grad-CAM 模型有效实现特征区域的可视化。随后，基于特征区域实现了有效的通道选择。最后，CAM-Attention 方法减少了味觉 EEG 识别的计算负担，并有效区分了四种味觉。简而言之，该方法具有出色的识别性能，为味觉感官评估提供了有效的技术支持。
引用
@article{arxiv.2410.03559,
title = {Optimizing food taste sensory evaluation through neural network-based taste electroencephalogram channel selection},
author = {Xiuxin Xia and Qun Wang and He Wang and Chenrui Liu and Pengwei Li and Yan Shi and Hong Men},
journal= {arXiv preprint arXiv:2410.03559},
year = {2024}
}
备注
33 pages, 13 figures