-
题名基于CNN的脑电信号情绪识别模型研究
- 1
-
-
作者
杨超宇
余维哲
卢绍田
孙成圆
武柏祥
-
机构
安徽理工大学人工智能学院
-
出处
《井冈山大学学报(自然科学版)》
2024年第1期76-83,共8页
-
基金
国家自然科学基金项目(61873004)
安徽省大学生创新创业训练计划项目(S202210361269)。
-
文摘
针对现有深度学习模型在情绪识别方面种类少且准确率低的问题,采集并建立了脑电波信号数据集,提出了一种基于CNN的脑电波的智能多情绪识别模型,利用多层卷积神经网络提取脑电信号情感特征,在批归一化层和激活函数中引入非线性特性,构建了两层全连接神经网络,实现了情绪特征中积极、中性和悲伤的分类。实验结果表明,提出的模型复杂度低且分类准确率达到了81.43%,明显高于SVM、LSTM、VGGNet模型,证明了该模型的简洁性和高效性。
-
关键词
脑电波
情绪识别
CNN
脑电信号
-
Keywords
brain wave
emotional recognition
CNN
EEG signal
-
分类号
TP183
[自动化与计算机技术—控制理论与控制工程]
-