喜报 | 我所一篇论文被国际顶级学术期刊IEEE Transactions on Instrumentation & Measurement录用

发布时间：2023年11月08日

       由我所师生合作完成的一篇论文MetaEmotionNet: Spatial-Spectral-Temporal based Attention 3D Dense Network with Meta-learning for EEG Emotion Recognition被国际顶级学术期刊IEEE Transactions on Instrumentation & Measurement录用，论文由我所博士生宁晓军、王晶老师、林友芳老师、新加坡A*STAR研究员Xiaoli Li、中科院自动化所贾子钰老师等人共同完成。

      情绪识别是情感计算的一个重要领域，近年来，基于多通道脑电(EEG)信号的情绪识别得到了广泛的探索。然而，该领域仍存在一些挑战：一方面，不同的脑电特征和特征之间的判别局部模式没有得到充分利用；现有方法忽略了时间-频谱-空间(时-频-空)特征之间的互补性和时-频-空联合特征中的判别局部模式，这都限制了模型的分类效果。另一方面，在处理跨受试者情感识别时，现有的迁移学习方法需要大量的训练数据；;然而，采集脑电数据成本高、耗时长，这并不利于情绪识别模型对新用户的推广应用。为了解决上述挑战，我们提出了基于元学习的时-频-空注意力三维密集网络MetaEmotionNet，用于跨受试者的EEG情绪识别。具体而言，MetaEmotionNet通过对时空-频空两个分支进行融合，将时-频-空特征同时集成到统一的网络框架中，同时三维注意力机制能够自适应地探索有区别的局部模式。此外，采用元学习算法来减少对训练数据的依赖，实现对新受试者的快速适应。在两个公开的情绪识别数据集上的实验表明，我们提出的MetaEmotionNet优于基线方法。