(论文加源码)基于deap的脑电情绪识别,构建脑图的二维卷积(提取了功率谱密度psd和微分熵DE)

上传者: 45874683 | 上传时间: 2022-04-08 17:06:49 | 文件大小: 7.7MB | 文件类型: ZIP
本文提出了一种新的情绪识别模型,该模型以脑图为输入,以唤醒和效价为输出提供情绪状态。脑图是从脑电信号中提取的特征的空间表示。该模型被称为多任务卷积神经网络(MT-CNN),使用微分熵(DE)和功率谱密度(PSD),并考虑0.5s的观察窗口,由四种不同频段的不同波(α、β、γ和θ)的叠加脑图构成。该模型在DEAP数据集上进行训练和测试,DEAP数据集是一个用于比较的著名数据集。该模型的准确度在价态维度上为96.28%,在唤醒维度方面,获得了96.62%的准确率,这项工作表明,MT-CNN的性能优于其他方法。 模型为二维卷积神经网络。该模型的输入是一个脑图,它是EEG信号的空间谱表示。该模型由四个二维卷积层、一个完全连接层以及上述每个层之后的dropout和批量归一化层组成。最后,输出到两个流:前者用于分类受试者的配价水平,后者用于唤醒水平。ReLU用作激活功能。分类层使用一个sigmoidal函数来获得类似概率的输出。对模型进行了收敛性训练。

文件下载

资源详情

[{"title":"( 19 个子文件 7.7MB ) (论文加源码)基于deap的脑电情绪识别,构建脑图的二维卷积(提取了功率谱密度psd和微分熵DE)","children":[{"title":"(论文加源码)构建脑图的二维卷积(提取了功率谱密度psd和微分熵DE)","children":[{"title":"Training.ipynb <span style='color:#111;'> 320.61KB </span>","children":null,"spread":false},{"title":"Input Data Representation.ipynb <span style='color:#111;'> 56.47KB </span>","children":null,"spread":false},{"title":"eegemotion","children":[{"title":"main.py <span style='color:#111;'> 2.19KB </span>","children":null,"spread":false},{"title":"utils.py <span style='color:#111;'> 3.60KB </span>","children":null,"spread":false},{"title":"train.py <span style='color:#111;'> 13.58KB </span>","children":null,"spread":false},{"title":"data_load.py <span style='color:#111;'> 2.54KB </span>","children":null,"spread":false},{"title":"DEAP_1D_3D.py <span style='color:#111;'> 3.60KB </span>","children":null,"spread":false},{"title":"__init__.py <span style='color:#111;'> 0B </span>","children":null,"spread":false},{"title":"model.py <span style='color:#111;'> 1.71KB </span>","children":null,"spread":false},{"title":"DEAP_1D.py <span style='color:#111;'> 6.82KB </span>","children":null,"spread":false}],"spread":true},{"title":"_Applet_2022-04-02_ emotion recognition.pdf <span style='color:#111;'> 5.21MB </span>","children":null,"spread":false},{"title":"graphics","children":[{"title":"ablation_studies_tnr.png <span style='color:#111;'> 134.81KB </span>","children":null,"spread":false},{"title":"model_structure_hor_tnr.png <span style='color:#111;'> 758.82KB </span>","children":null,"spread":false},{"title":"brainmaps.png <span style='color:#111;'> 485.76KB </span>","children":null,"spread":false}],"spread":true},{"title":"requirements.txt <span style='color:#111;'> 97B </span>","children":null,"spread":false},{"title":"setup.py <span style='color:#111;'> 452B </span>","children":null,"spread":false},{"title":".gitignore <span style='color:#111;'> 1.76KB </span>","children":null,"spread":false},{"title":"MT_CNN.pdf <span style='color:#111;'> 2.21MB </span>","children":null,"spread":false},{"title":"readme.txt <span style='color:#111;'> 421B </span>","children":null,"spread":false}],"spread":true}],"spread":true}]

评论信息

免责申明

【只为小站】的资源来自网友分享,仅供学习研究,请务必在下载后24小时内给予删除,不得用于其他任何用途,否则后果自负。基于互联网的特殊性,【只为小站】 无法对用户传输的作品、信息、内容的权属或合法性、合规性、真实性、科学性、完整权、有效性等进行实质审查;无论 【只为小站】 经营者是否已进行审查,用户均应自行承担因其传输的作品、信息、内容而可能或已经产生的侵权或权属纠纷等法律责任。
本站所有资源不代表本站的观点或立场,基于网友分享,根据中国法律《信息网络传播权保护条例》第二十二条之规定,若资源存在侵权或相关问题请联系本站客服人员,zhiweidada#qq.com,请把#换成@,本站将给予最大的支持与配合,做到及时反馈和处理。关于更多版权及免责申明参见 版权及免责申明