基于Bi-LSTM的脑电情绪识别

刘帅^1,2,王磊^1,2*,丁旭涛^1,2

1. 河北工业大学省部共建电工装备可靠性与智能化国家重点实验室, 天津 300130;2. 河北工业大学河北省电磁场与电器可靠性重点实验室, 天津 300130

发布日期:2020-08-13

作者简介:刘帅(1993— ),男,山东济南人,硕士研究生,主要研究方向为深度学习,脑认知与神经工程. E-mail:847075008@qq.com. *通信作者简介:王磊(1978— ),男,天津人,副教授,博士,主要研究方向为生物电信号分析,脑机接口. E-mail:murhythm@qq.com
基金资助:国家自然科学基金资助项目(31300818);河北省高等学校科学技术研究项目(QN2016097)

Emotional EEG recognition based on Bi-LSTM

LIU Shuai^1,2, WANG Lei^1,2*, DING Xutao^1,2

1. State Key Laboratory of Reliability and Intelligence of Electrical Equipment, Hebei University of Technology, Tianjin 300130, China;
2. Key Laboratory of Electromagnetic Field and Electrical Apparatus Reliability of Hebei Province, Hebei University of Technology, Tianjin 300130, China

Published:2020-08-13

摘要/Abstract

摘要： 为解决脑电(electroencephalogram, EEG)情绪识别这一项具有挑战性的任务,提出一种基于双向长短时记忆网络(bidirectional long short-term memory, Bi-LSTM)的脑电情绪分类模型并探索大脑情绪机制,唤醒度准确率最高为76.78%,效价度准确率最高为77.28%,与其他模型比较,Bi-LSTM模型在脑电情绪识别上有出色的表现。通过Bi-LSTM模型对比不同频段、脑区和特征疏密度的准确率来探索大脑情绪机制,表明大脑中情绪相关性最高的频段、脑区和特征疏密度分别为α和β、顶叶区与额叶区、50和15。


PDF全文下载地址:

http://gxbwk.njournal.sdu.edu.cn/CN/article/downloadArticleFile.do?attachType=PDF&id=1954