arxiv：2405.19373v1 [eess.sp] 2024年5月28日__

arxiv：2405.19373v1 [eess.sp] 2024年5月28日

可下载资源数量

已经购买

下载数量：1

单价	0 1.0
Coupon	100% 0%
Total	0 1.0

点击下载点击购买并下载

点击购买，资源将自动在新窗口打开.

机构名称：

arxiv：2405.19373v1 [eess.sp] 2024年5月28日

¥ 1.0

热度

摘要。基于脑电图（EEG）（EEG）的情绪识别已在神经信号处理和情感计算等领域引起了很大的关注和多样化的发展。然而，个体的独特大脑解剖结构导致跨受试者的脑电图信号的不可忽视的自然差异，这对跨主题情绪识别提出了挑战。尽管最近的研究试图解决这些问题，但它们仍然面临实际有效性和模型框架团结的局限性。当前的方法通常难以捕获EEG信号的复杂空间 - 时间动力学，并且无法有效地整合Mul-timodal信息，从而导致次优性能和跨受试者的普遍性有限。为了克服这些局限性，我们将基于预先训练的模型多模式读取器进行跨性能情绪识别，该识别利用了掩盖的脑信号建模和相互联系的时空注意机制。该模型通过在大规模数据集上进行预训练来学习EEG信号的通用潜在表示，并采用相关的时空注意机制来处理从EEG数据提取的差异熵（DE）特征。随后，提出了一个多级融合层以赋予歧视性特征，从而最大程度地提高了不同维度和模态的fe构的优势。公共数据集上的广泛实验证明了情绪阅读器在跨主题情感识别任务中的出色表现，表现优于最先进的方法。此外，该模型是从关注观点中解剖的，对与情绪相关的大脑区域进行定性分析，为神经信号处理中的情感研究提供了有价值的见解。

添加pdf代下载 VIP点击下载文件