三维卷积神经网络中用于脑电情绪识别的位置-频谱-时间注意力
信号处理
2021-11-09 v2 计算机视觉与模式识别
摘要
识别人类情感在日常交流中起着关键作用。神经科学已表明，不同情绪状态在不同脑区、EEG频带和时间点上呈现不同程度的激活。本文提出一种新颖结构以探索用于情绪识别的有效EEG特征。所提模块记为PST-Attention，由位置、频谱和时间注意力模块组成，以挖掘更具判别力的EEG特征。具体而言，位置注意力模块用于捕捉空间维度上由不同情绪刺激激活的脑区；频谱和时间注意力模块分别对不同频带和时间切片赋予权重。我们的方法具有自适应与高效性，可作为插件模块嵌入三维卷积神经网络（3D-CNN）。我们在两个真实数据集上实验，结合本模块的3D-CNN取得了良好结果，并表明PST-Attention能够从EEG中捕捉用于情绪识别的稳定模式。
引用
@article{arxiv.2110.09955,
title = {Positional-Spectral-Temporal Attention in 3D Convolutional Neural Networks for EEG Emotion Recognition},
author = {Jiyao Liu and Yanxi Zhao and Hao Wu and Dongmei Jiang},
journal= {arXiv preprint arXiv:2110.09955},
year = {2021}
}