BriefGPT - AI 论文速递
·
跨语料 EEG 情感识别的特征对齐联合对比学习
💡
原文中文，约400字，阅读约需1分钟。
📝
内容提要
本研究提出了一种新的联合对比学习框架与特征对齐模型（JCFA Model），用于解决跨语料库的基于脑电图的情感识别问题。实验结果显示，该模型在跨语料库的EEG情感识别任务中的平均准确率提高了4.09%。
🎯
关键要点
- 本研究提出了一种新的联合对比学习框架与特征对齐模型（JCFA Model）。
- JCFA Model 旨在解决跨语料库的基于脑电图（EEG）的情感识别问题。
- 模型通过联合领域对比学习策略提取 EEG 样本的稳健嵌入，无需标记数据。
- 模型在共享的潜在时间-频率空间中对齐 EEG 样本。
- 考虑脑电图电极之间的结构连接，进一步提高模型在情感检测和解读中的能力。
- 实验结果表明，JCFA Model 在两个公认的情感数据集上实现了最先进的性能。
- 该模型在跨语料库的 EEG 情感识别任务中的平均准确率提高了 4.09%。
➡️
