MASA-TCN：连续和离散脑电情感识别的多锚点空间感知时序卷积神经网络
摘要：情感识别是使用脑电图（EEG）的两种情景之一：离散标签的分类和连续标签的回归。尽管有很多算法用于分类任务，但用于回归任务的方法只有很少。对于情感回归，标签在时间上是连续的。一种自然的方法是学习时间动态模式。在先前的研究中，使用长短时记忆（LSTM）和时态卷积神经网络（TCN）从EEG的特征向量中学习时间上下文信息。然而，EEG的空间模式没有被有效提取。为了使TCN具有更好的回归和分类性能的空间学习能力，我们提出了一种新的统一模型，名为MASA-TCN，用于EEG情感回归和分类任务。空间感知的时间层使TCN能够从EEG电极之间的空间关系中额外学习。此外，还提出了一个新颖的多锚点块和注意力融合方法来学习动态的时间依赖性。在两个公开可用的数据集上的实验证明，MASA-TCN在EEG情感回归和分类任务上的结果均优于现有方法。代码可在https://github.com/yi-ding-cs/MASA-TCN上获得。
作者：Yi Ding, Su Zhang, Chuangao Tang, Cuntai Guan
论文ID：2308.16207
分类：Machine Learning
分类简称：cs.LG
提交时间：2023-09-01