研究提出了一种基于局部时空模式学习图注意力网络（LTS-GAT）的情感识别技术，结合图注意力机制和动态域鉴别器以提高算法的鲁棒性。通过新型变压器模型EmT，将EEG信号转化为时态图，从而优化情感分类性能。该方法在多个数据集上验证了其优越性，展示了脑电图在情感识别中的应用潜力。

研究人员提出了一种名为“mspace”的在线算法，用于预测时态图中的节点特征。mspace在某些数据集上表现出色，并且在不同训练样本规模下表现出一致的鲁棒性。研究人员还建立了关于mspace多步预测误差的理论上限，并表明它按预测步数的速度缩放。