BriefGPT - AI 论文速递
·
基于 Transformer 的特征生成的多源领域适应用于基于脑电情感识别的主体独立性
💡
原文中文，约300字，阅读约需1分钟。
📝
内容提要
本研究提出了一种基于变压器特征生成器的多源域适应方法（MSDA-TF），通过捕获浅层空间、时间和频谱 EEG 数据表示的卷积层，以及自注意机制提取这些特征中的全局依赖关系，解决了不同主体之间的变化对传统深度学习算法在自动情感识别中的性能问题。实验证明，MSDA-TF 在 SEED 数据集上取得了有希望的结果。
🎯
关键要点
- 提出了一种基于变压器特征生成器的多源域适应方法（MSDA-TF）
- MSDA-TF 通过捕获浅层空间、时间和频谱 EEG 数据表示的卷积层来提取特征
- 使用自注意机制提取特征中的全局依赖关系
- 解决了不同主体之间的变化对传统深度学习算法在自动情感识别中的性能影响
- 实验证明，MSDA-TF 在 SEED 数据集上取得了有希望的结果
➡️
