PulseAugur
中
实时 20:49:34
English(EN) GL-LFGNN:A Global-Local Dual-branch Causal Graph Neural Network Based on Liang-Kleeman Information Flow for EEG Emotion Recognition

新的GNN模型使用因果推理进行脑电图情感识别

作者 PulseAugur 编辑部 · [1 个来源] ·

研究人员开发了一种新颖的图神经网络（GNN），称为GL-LFGNN，用于从脑电图（EEG）数据中识别情感。该模型利用梁-克莱曼信息流理论来捕捉神经活动中的因果影响，超越了传统的统计关联。双分支架构整合了全脑连接和区域特定处理，在MEEG数据集上实现了高精度，并且参数数量明显少于现有方法。 AI

影响 引入了一种新的脑电图分析因果建模方法，有望提高情感识别的准确性和效率。

排序理由 该集群包含一篇详细介绍新模型及其在基准数据集上性能的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.AI 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →

报道来源 [1]

  1. arXiv cs.AI TIER_1 English(EN) · Ziyi Wang, Dongyang Kuang ·

    GL-LFGNN:A Global-Local Dual-branch Causal Graph Neural Network Based on Liang-Kleeman Information Flow for EEG Emotion Recognition

    arXiv:2605.25061v1 Announce Type: cross Abstract: EEG-based emotion recognition holds significant promise for objective diagnosis of mood disorders. Graph neural networks (GNNs) have emerged as the dominant paradigm for modeling inter-channel dependencies in EEG, yet existing app…

相关话题