山东大学学报(工学版)

作者：刘帅,王磊,丁旭涛

单位：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

关键词：脑电情绪识别,深度学习,情绪,脑电,双向长短时记忆网络,

基金：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)

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。

来源：2020年第4期

《山东大学学报(工学版)》期刊编辑部

查看山东大学学报(工学版)杂志2020年第4期