科研之友
微信
新浪微博
Facebook
分享链接
摘要
脑电情感识别是一个复杂程度高、信息密度大、海量数据的多通道时序信号分类问题。为在保持现有分类精度的情况下减少计算参数量，实现脑电情感识别的精度与性能最优，提出了一种基于双流结构缩放和多重注意力机制的轻量级网络(LDM-EEG)。该网络以基于脑电信号的微分熵特征构造的时域-空域图谱和频域-空域图谱作为输入，采用对称的双流结构对上述两种特征分别处理，通过节约参数的新型残差模块和网络缩放机制来实现轻量化，并利用新型的通道-时/频-空多重注意力机制和后注意力机制提升模型特征聚合能力。实验结果表明，在参数量明显减小的情况下，模型在SEED数据集上实现了95.18%的准确率，达到了领域的最优结果。进一步地，在略低于现有模型准确率的基础上，其将参数量缩减了98%。
- 单位
