从 EEG 揭示情绪：一种基于 GRU 的方法
信号处理
2023-08-08 v1 机器学习
摘要
情感计算中最重要研究领域之一是利用 EEG 数据进行情绪识别。本研究测试了门控循环单元(GRU)算法（一种循环神经网络(RNNs)）是否能利用 EEG 信号预测情绪状态。我们的公开可用数据集包含静息中性数据以及受试者在快乐、中性和负性情绪刺激下的 EEG 记录。为获得最佳特征提取，我们使用伪迹去除、带通滤波和归一化方法对 EEG 数据进行预处理。我们的模型利用 GRU 捕捉时间依赖关系的能力取得了出色的结果，在验证集上达到 100% 准确率。与其他机器学习技术相比，我们的 GRU 模型的极端梯度提升分类器具有最高准确率。我们对混淆矩阵的探究揭示了关于模型性能的深刻信息，从而实现精确的情绪分类。本研究强调了 GRU 等深度学习模型在情绪识别中的潜力，并推进了情感计算的发展。我们的发现为计算机交互及理解脑电波活动中情绪的表达开辟了新可能。
引用
@article{arxiv.2308.02778,
title = {Unveiling Emotions from EEG: A GRU-Based Approach},
author = {Sarthak Johari and Gowri Namratha Meedinti and Radhakrishnan Delhibabu and Deepak Joshi},
journal= {arXiv preprint arXiv:2308.02778},
year = {2023}
}
备注
arXiv admin note: substantial text overlap with arXiv:2308.02437