情感智能体：使用分布原型奖励的无监督深度强化学习进行连续情感脑电图分析
原文中文，约600字，阅读约需2分钟。发表于：。本研究解决了如何从连续的脑电图（EEG）信号中有效识别相关情感片段的问题，这对于情感脑－机接口（aBCI）至关重要。提出的情感智能体（Emotion-Agent）框架利用无监督深度强化学习与启发式算法结合，能够自动识别情感相关的EEG信号区域，实验结果表明，该方法显著提高了aBCI应用的准确性和可靠性。
该文章介绍了一种改进的增量学习算法，用于进化颗粒神经网络分类器。该算法通过使用双边界超立方体来表示颗粒，并自定义适应过程来增强外部边界对数据覆盖和噪声抑制的鲁棒性。该分类器从头开始进化，并即时融入新的类别，并进行局部增量特征加权。研究结果表明，两个大脑半球都对分类有贡献，尤其是颞叶和顶叶区域的电极。阿尔法波、δ波和θ波与情绪类别有更高的相关性。该算法在10秒时间窗口内达到了81.7%的准确性和0.0029 II的可解释性。
