典型文献
利用卷积回声状态网络实现脑电情感识别
文献摘要：
针对多通道脑电(EEG)的情感识别,提出了一种卷积回声状态网络(CESN)模型.首先构造EEG信号的特征矩阵序列;然后通过卷积操作提取各个样本的高层抽象特征,形成一维特征向量序列;利用具有自反馈功能的蓄水池结构,捕获向量序列的动态时序信息;最后用岭回归来实现情感识别.在情感分析专用生理信号数据集上进行实验的结果表明,EEG信号的动态时序性蕴含着与情感状态相关的区分性信息,所提的CESN模型能够有效地挖掘这种信息,并用于情感分类,解决了卷积神经网络中因使用反向传播算法而导致的局部最优和训练时间过长的问题.
文献关键词：
多通道脑电信号;情感识别;卷积回声状态网络;特征融合
中图分类号：
作者姓名：
晁浩;马庆敏;刘永利
作者机构：
河南理工大学 计算机科学与技术学院,焦作454003
文献出处：
引用格式：
[1]晁浩;马庆敏;刘永利-.利用卷积回声状态网络实现脑电情感识别)[J].北京邮电大学学报,2022(02):36-43
A类：
卷积回声状态网络,CESN
B类：
情感识别,EEG,特征矩阵,卷积操作,维特,特征向量,自反馈,蓄水池,水池结构,时序信息,岭回归,归来,情感分析,生理信号,号数,时序性,情感状态,区分性,情感分类,反向传播算法,局部最优,训练时间,多通道脑电信号,特征融合
AB值：
0.329698
相似文献
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。
