实体
DEAP
DEAP
PulseAugur coverage of DEAP — every cluster mentioning DEAP across labs, papers, and developer communities, ranked by signal.
总计 · 30天
2
90 天内 3
发布 · 30天
0
90 天内 0
论文 · 30天
2
90 天内 3
层级分布 · 90 天
主题
关系
情绪 · 30 天
2 天有情绪数据
最近 · 第 1/1 页 · 共 3 条
-
新的无监督方法在无源数据的情况下推进了EEG情绪识别
研究人员开发了一种新颖的无监督无源域适应方法，用于脑电图（EEG）情绪识别。这种方法称为双损失自适应正则化（DLAR）结合局部一致性学习（LCL），允许模型在无需访问原始源数据的情况下适应新数据集，解决了隐私和计算问题。在DEAP、SEED和DREAMER等基准数据集上的实验表明，准确性显著提高，优于现有的最先进方法，并有望在心理健康和脑机接口等实际应用中发挥作用。
-
新的深度学习模型通过提高准确性和可解释性来增强基于脑电图的情感识别
研究人员正在开发用于基于脑电图的情感识别的先进深度学习模型，旨在提高准确性和可解释性。一种方法使用图正则化来捕捉情感类别之间的心理相互依赖性，在 SEED-IV 和 SEED-V 等数据集上显示出更高的准确性。另一种方法 MS-iMamba 利用多尺度倒置 Mamba 模型从脑电图信号中捕捉复杂的时空特征，在 DEAP、DREAMER 和 SEED 数据集上实现了高精度。第三个框架引入了面部表情代理建模，将脑电图信号转换为面部表情，从…
-
新框架融合面部和生理信号以提升情感识别能力
研究人员开发了一个新的视频情感识别框架，该框架将面部表情与远程光电容积脉搏图（rPPG）的生理信号相结合。他们的方法使用提示调优将rPPG信息整合到Vision Transformer中，同时保留预训练的面部表征。此外，还采用了解耦适配器来分离主体共享和主体特异性组件，从而增强了跨不同个体的泛化能力。