一种基于LSTM的深度学习网络，用于无线脑电波驱动的情感识别( A LSTM based deep learning network for recognizing emotions using wireless brainwave driven system )

AS A PT A HB A DA B AB B

积极和消极的情绪是大多数人在日常生活中所经历的。控制负面情绪是很重要的，因为它可能导致一些慢性健康问题，如抑郁和焦虑。这项研究工作的目的是开发一个便携式脑波驱动系统，用于识别积极、消极和中性情绪。本研究采用悲伤、厌恶、愤怒和惊讶四种情绪类型，以及积极、消极和中性三种基本情绪类型进行分类。本文介绍了一种利用脑电信号识别情绪的长短时记忆深度学习(LSTM)网络。该方法的主要目标是评估LSTM模型的分类性能。次要目标是评估不同年龄组和性别的人类行为。比较了多层感知器(MLP)、KNN、支持向量机(SVM)、LIB-支持向量机（LIB-SVM）和基于LSTM的深度学习分类模型的性能。分析表明，基于LSTM的深度学习模型对四类情绪进行50-50、60-40、70-30和10次交叉验证时，分类准确率分别为83.12%、86.94%、91.67%和94.12%。对于三类情绪，基于LSTM的深度学习模型在50-50、60-40、70-30和10倍交叉验证时的分类准确率分别为81.33%、85.41%、89.44%和92.66%。将该方法应用于公开的EEG数据集DEAP和SEED中，评价了该方法的可推广性和可靠性。与自我报告的感觉相一致，18-25岁年龄组的大脑信号提供了最高的情感识别。结果显示，在性别中，女性比男性更活跃。这些结果肯定了我们的方法在识别积极、消极和中性情绪方面的潜在用途。

SciDown文献求助系统（解决99%问题） Public Download Elsevier ResearchGate