長(zhǎng)期以來(lái),腦電（Electroencephalogram,EEG）就是一種被學(xué)者們廣泛研究的生理信號(hào),由于其具備時(shí)間分辨率高、空間分布廣等特性,在腦機(jī)接口、人工智能以及醫(yī)療健康等領(lǐng)域都有成功應(yīng)用。近年來(lái),基于腦電情緒識(shí)別的研究是國(guó)內(nèi)外研究的熱點(diǎn),其本質(zhì)是計(jì)算機(jī)通過(guò)機(jī)器學(xué)習(xí)等算法處理分析受試者的腦電信號(hào),實(shí)現(xiàn)識(shí)別受試者此時(shí)的情緒狀態(tài)。當(dāng)下,由于深度學(xué)習(xí)可以深度挖掘數(shù)據(jù)中的信息,在很多領(lǐng)域明顯提升了識(shí)別精度,而被研究者們用于腦電情緒識(shí)別研究�；谏疃葘W(xué)習(xí)方法的腦電情緒識(shí)別分為兩種,一是采用深度學(xué)習(xí)方法對(duì)人工設(shè)計(jì)的特征分類(lèi),但這種先人工提取相應(yīng)的腦電特征,之后用深度學(xué)習(xí)方法分類(lèi)的方法流程需要更多依賴(lài)人工因素;二是依賴(lài)數(shù)據(jù)本身特性,直接用深度學(xué)習(xí)方法對(duì)原始數(shù)據(jù)分類(lèi),減少在識(shí)別過(guò)程中人工因素的影響。本文擬研究一種端對(duì)端的數(shù)據(jù)驅(qū)動(dòng)方法,分別使用了通道注意力機(jī)制提取原始腦電信號(hào)中更具判別性的空間信息,使用自注意力機(jī)制提取腦電信號(hào)中更具判別性的時(shí)間信息,提出了一種基于注意力機(jī)制的注意力卷積循環(huán)神經(jīng)網(wǎng)絡(luò),可以直接從原始腦電信號(hào)中學(xué)習(xí)情緒相關(guān)特征并以此分類(lèi),實(shí)現(xiàn)端到端的情緒識(shí)別。本文主要探索在深度學(xué)習(xí)中采... 

【文章來(lái)源】：合肥工業(yè)大學(xué)安徽省 211工程院校 教育部直屬院校

【文章頁(yè)數(shù)】：74 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

基于深度學(xué)習(xí)方法的腦電研究調(diào)研

腦電情緒識(shí)別研究中的腦電形式

多導(dǎo)聯(lián)電極帽腦電采集設(shè)備圖

【參考文獻(xiàn)】：
期刊論文
[1]面向情緒識(shí)別的腦電特征研究綜述[J]. 張冠華,余旻婧,陳果,韓義恒,張丹,趙國(guó)朕,劉永進(jìn).  中國(guó)科學(xué):信息科學(xué). 2019(09)



本文編號(hào)：3078628