面向主体无关的情感情绪识别
机器学习
2023-10-25 v1 人机交互
多媒体
摘要
本文关注情感情绪识别,旨在基于EEG信号在主体无关范式下执行。然而,EEG信号在主体无关情感脑机接口(aBCIs)中表现出主体不稳定性,导致分布偏移问题。此外,域泛化和域适应等方法缓解了该问题。通常,基于域适应的方法比域泛化方法结果相对更好,但针对新主体需要更多计算资源。我们提出一种新框架,即基于元学习的增强域适应用于主体无关aBCIs。我们的域适应方法通过元学习增强,其由循环神经网络、分类器和基于可和分解函数的分布偏移控制器组成。同时,我们指出显式表达可和分解函数的神经网络可有效估计不同域间的散度。增强域适应的网络设置遵循元学习和对抗学习,其中控制器在测试阶段通过少量自适应步骤利用目标数据快速适应新域。我们的方法在公开aBCIs数据集上的实验被证明有效,并在避免额外计算资源使用的同时取得与最先进域适应方法相近的性能。
引用
@article{arxiv.2310.15189,
title = {Towards Subject Agnostic Affective Emotion Recognition},
author = {Amit Kumar Jaiswal and Haiming Liu and Prayag Tiwari},
journal= {arXiv preprint arXiv:2310.15189},
year = {2023}
}
备注
To Appear in MUWS workshop at the 32nd ACM International Conference on Information and Knowledge Management (CIKM) 2023