基于MAResnet的脑电情感识别研究

作者：柳长源; 孙雨涵^*; 李文强; 兰朝凤

来源：仪器仪表学报, 2020, 41(07): 235-242.

DOI：10.19650/j.cnki.cjsi.J2006367

• 脑电信号
• 情感识别
• 注意力机制
• 多尺度残差神经网络

情感是大脑活动的一种表现形式,与心理活动和日常生活密切相关。利用脑电情感数据库并依据心理效价和唤醒度情感划分模型,对压力、平静、轻松、沮丧和快乐5种情感进行研究分析。针对脑电信号时空特征结合的特点,以深度学习中的残差神经网络为基础,提出基于多尺度注意力残差网络(MAResnet)的脑电情感信号分类模型。通过在传统的残差学习模块中加入注意力机制并在同一空间位置并联使用不同尺寸的卷积核,从而对脑电情感信号进行了多尺度特征提取,并对神经网络通过残差学习来避免网络退化。实验结果表明,改进后的多尺度注意力残差网络的分类精度为85.2%,较传统残差网络的分类精度提升了17.7%,较已有相似研究如应用SVM、KNN等方法在分类类型和识别精度上都有显著提升,证明该方法的有效性。

• 单位
  电子工程学院; 哈尔滨理工大学