基于空间-时间Transformer与课程学习的EEG基于情感的识别
机器学习
2025-08-20 v2 人工智能
人机交互
信号处理
摘要
基于EEG的情感识别在开发自适应脑机通信系统中发挥着重要作用，但在实际实现中面临两个根本挑战：(1)有效整合非平稳的时空神经模式，(2)适应现实场景中情感强度变化的鲁棒性。本文提出了SST-CL，一个集成空间-时间Transformer与课程学习的新型框架。我们的方法引入了两个核心组件：一个空间编码器，用于建模通道之间的关系，一个时间编码器，通过窗口注意力机制捕获多尺度依赖，实现对EEG信号同时提取空间关联和时序动态。补充这一架构，一个强度感知的课程学习策略通过基于双重难度评估的动态样本调度，逐步引导从高强度到低强度的情感状态进行训练。对三个基准数据集进行全面实验，显示在各种情感强度水平上实现了最先进的性能，消融研究确认了架构组件和课程学习机制的必要性。
引用
@article{arxiv.2507.14698,
title = {Spatial-Temporal Transformer with Curriculum Learning for EEG-Based Emotion Recognition},
author = {Xuetao Lin and Tianhao Peng and Peihong Dai and Yu Liang and Wenjun Wu},
journal= {arXiv preprint arXiv:2507.14698},
year = {2025}
}