情感是大腦活動的一種表現(xiàn)形式,與心理活動和日常生活密切相關(guān)。利用腦電情感數(shù)據(jù)庫并依據(jù)心理效價和喚醒度情感劃分模型,對壓力、平靜、輕松、沮喪和快樂5種情感進行研究分析。針對腦電信號時空特征結(jié)合的特點,以深度學習中的殘差神經(jīng)網(wǎng)絡(luò)為基礎(chǔ),提出基于多尺度注意力殘差網(wǎng)絡(luò)（MAResnet）的腦電情感信號分類模型。通過在傳統(tǒng)的殘差學習模塊中加入注意力機制并在同一空間位置并聯(lián)使用不同尺寸的卷積核,從而對腦電情感信號進行了多尺度特征提取,并對神經(jīng)網(wǎng)絡(luò)通過殘差學習來避免網(wǎng)絡(luò)退化。實驗結(jié)果表明,改進后的多尺度注意力殘差網(wǎng)絡(luò)的分類精度為85.2%,較傳統(tǒng)殘差網(wǎng)絡(luò)的分類精度提升了17.7%,較已有相似研究如應(yīng)用SVM、KNN等方法在分類類型和識別精度上都有顯著提升,證明該方法的有效性。 

【文章頁數(shù)】：8 頁

【文章目錄】：
0 引 言
1 卷積神經(jīng)網(wǎng)絡(luò)與殘差神經(jīng)網(wǎng)絡(luò)
    1.1 卷積神經(jīng)網(wǎng)絡(luò)
    1.2 殘差神經(jīng)網(wǎng)絡(luò)
2 注意力機制
    2.1 模型原理
    2.2 CAU內(nèi)在機制
    2.3 改進的殘差注意力模塊
3 構(gòu)建MAResnet-EEG模型
4 實驗結(jié)果與分析
    4.1 實驗數(shù)據(jù)
    4.2 結(jié)果分析
5 結(jié) 論


【參考文獻】：
期刊論文
[1]基于深度分離卷積的情緒識別機器人即時交互研究[J]. 徐桂芝,趙陽,郭苗苗,金銘.  儀器儀表學報. 2019(10)
[2]基于LSTM的腦電情緒識別模型[J]. 闞威,李云.  南京大學學報(自然科學). 2019(01)
[3]結(jié)合非線性全局特征和譜特征的腦電情感識別[J]. 孫穎,馬江河,張雪英.  計算機工程與應(yīng)用. 2018(17)
[4]關(guān)于腦電信號的情感優(yōu)化識別仿真[J]. 王薇蓉,張雪英,孫穎,暢江.  計算機仿真. 2018(06)
[5]基于深度信念網(wǎng)絡(luò)腦電信號表征情緒狀態(tài)的識別研究[J]. 楊豪,張俊然,蔣小梅,劉飛.  生物醫(yī)學工程學雜志. 2018(02)
[6]基于SAE和LSTM RNN的多模態(tài)生理信號融合和情感識別研究[J]. 李幼軍,黃佳進,王海淵,鐘寧.  通信學報. 2017(12)
[7]面向生物信息感知網(wǎng)絡(luò)稀疏腦電測量的模糊粗糙情緒識別[J]. 戴逸翔,王雪,李宣平,張鵬博.  儀器儀表學報. 2014(08)

碩士論文
[1]基于EEG的情緒識別[D]. 黃檸檬.華南理工大學 2016
[2]基于腦電信號的情緒識別研究[D]. 蘇建新.南京郵電大學 2015



本文編號：3730652