首页|基于连续卷积神经网络的3D脑电图情绪识别

基于连续卷积神经网络的3D脑电图情绪识别

扫码查看
原文链接
  • 万方数据
  • 维普
作为人类大脑神经活动的重要指标,脑电(EEG)信号能更深层次地反映人的情绪状况,但当前大多数深度学习模型通过EEG识别情绪不够精确.本文提出基于连续卷积神经网络的3D脑电图情绪识别模型,采用提取DE和PSD特征时得到的等价矩阵所构造的三维脑电图立方体作为输入,舍弃卷积神经网络中的池化层.在DEAP数据集上进行实验,Arousal准确率为95.77%,Valence准确率为93.52%,表明该方法非常适用于情绪识别,能给后续相关研究提供参考.
Emotion recognition in 3D EEG based on continuous convolutional neural network

EEG emotion recognitioncontinuous convolutional neural networkdeep learningDEAP dataset3D-electroencephalogram

李文书、王浩

展开 >

浙江理工大学计算机学院智能识别与系统实验室,浙江 杭州 310018

脑电情绪识别 连续卷积神经网络 深度学习 DEAP数据集 3D脑电图

国家自然科学基金国家自然科学基金国家科技部重点研发计划重点专项课题浙江省自然科学基金浙江省自然科学基金

31771224616032282018YFB1004901LY17C090011LGF19FO20009

2023

10.16644/j.cnki.cn33-1094/tp.2023.09.020

计算机时代
浙江省计算技术研究所　浙江省计算机学会

计算机时代

影响因子：0.411
ISSN：1006-8228
年,卷(期)：2023.(9)
  • 2