EEG-TransNet

新型Transformer模型增强脑电图情感识别

研究人员开发了EEG-TransNet，一种用于从脑电图（EEG）数据中识别情感的新型基于Transformer的模型。该架构包含用于预处理的ResNet和小波去噪，用于区域特征学习的局部自注意力块（Local Self-Attention Block），以及用于捕获时空依赖性的模糊注意力同步Transformer（FAST）。在多个数据集上的实验表明，EEG-TransNet在分类准确性和鲁棒性方面优于现有方法，显示出可靠的脑活动分析潜力。