MGCRL

新的MGCRL框架增强了跨数据集脑电图情感识别能力

研究人员开发了一种新颖的自监督学习框架，称为掩码生成对比表示学习（MGCRL），专门用于基于脑电图（EEG）的情感识别。该框架旨在通过捕获脑电图信号中复杂的时空依赖性、提取对噪声不敏感的细粒度表示以及学习跨主题泛化的全局特征来提高跨数据集的泛化能力。MGCRL集成了区域感知时空编码器、基于JEPA的生成学习机制以及对比学习策略来实现这些目标。