典型文献
基于交错组卷积神经网络的脑电信号情绪识别研究
文献摘要：
利用深度学习算法实现多种情绪的高效准确识别对当前脑电信号情感计算研究具有一定探索价值.常用的卷积神经网络其种类结构较为复杂且存在参数选择问题,针对不同类型刺激素材下脑电信号的情绪分类问题,搭建了一种交错组卷积神经网络的数学分类模型,此模型在经典卷积神经网络的基础上增加了交错组卷积结构.利用增加交错组卷积模块的LeNet-5卷积网络对诱发的不同情绪下脑电信号进行三分类识别,图片、音乐与视频素材刺激下的脑电信号平均识别率分别为98.74％、95.82％与96.06％.对比传统的机器学习分类算法的识别效果,轻量化结构卷积神经网络的收敛速度和情绪识别准确率均有明显提高,且鲁棒性更强.
文献关键词：
情绪识别;脑电信号;交错组卷积;卷积神经网络
中图分类号：
作者姓名：
郭芳青;赵丽;张志雯;何兴霖;孟铜宁
作者机构：
天津职业技术师范大学天津市信息传感与智能控制重点实验室 天津300222
文献出处：
引用格式：
[1]郭芳青;赵丽;张志雯;何兴霖;孟铜宁-.基于交错组卷积神经网络的脑电信号情绪识别研究)[J].国外电子测量技术,2022(08):112-117
A类：
交错组卷积
B类：
脑电信号,情绪识别,深度学习算法,算法实现,准确识别,前脑,情感计算,索价,参数选择,刺激素,情绪分类,分类问题,分类模型,卷积模块,LeNet,卷积网络,三分类,分类识别,视频素材,识别率,机器学习分类算法,收敛速度,识别准确率
AB值：
0.237889
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
