ACRNN

通过通道注意力和自我注意力实现基于脑电图的情绪识别

摘要 —基于脑电图 (EEG) 的情绪识别是脑机接口领域的重要任务。最近，许多基于深度学习的情绪识别方法被证明优于传统方法。然而，提取用于脑电图情绪识别的判别性特征仍然具有挑战性，大多数方法忽略了通道和时间上的有用信息。本文提出了一种基于注意机制的卷积循环神经网络 (ACRNN)，以从脑电信号中提取更多判别性特征并提高情绪识别的准确性。首先，所提出的 ACRNN 采用通道注意机制来自适应地分配不同通道的权重，并使用 CNN 提取编码脑电信号的空间信息。然后，为了探索脑电信号的时间信息，将扩展的自注意力集成到 RNN 中，以根据脑电信号的内在相似性重新编码重要性。我们在 DEAP 和 DREAMER 数据库上进行了广泛的实验。实验结果表明，所提出的 ACRNN 优于最先进的方法。