基于连续卷积神经网络的3D脑电图情绪识别

摘 要： 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。（剩余8166字）

网站仅支持在线阅读（不支持PDF下载），如需保存文章，可以选择【打印】保存。