机构名称：
¥ 1.0
抽象背景：诊断情绪状态将改善人类计算机的互动（HCI）系统在实践中更有效。脑电图（EEG）信号和情绪之间的相关性在各种研究中都显示出来；因此，基于EEG信号的方法是最准确和最有用的方法。方法：在这项研究中，适用于处理EEGNET，ShallowConvnet和DeepConvnet的三个卷积神经网络（CNN）模型适用于处理EEG信号，用于诊断情绪。我们使用基线去除预处理来提高分类精度。每个网络以两种方式进行评估：主题依赖性和主题无关。我们将选定的CNN模型改进，以在Raspberry Pi处理器上轻巧且可实现。在嵌入式系统上每三秒钟接收的信号时，情绪状态被确认，可以在实践中实时使用。结果：价值依赖性的平均分类精度为99.10％，唤醒的平均分类精度为99.20％，价为90.76％，在众所周知的DEAP数据集中获得了独立的唤醒的90.94％。结论：将结果与相关工作的比较表明，实践已经实现了高度准确且可实施的模型。
使用...
主要关键词
相关文件推荐
