SEED-VII dataset

新的GNN模型通过因果建模推进脑电情绪识别

两篇新研究论文介绍了用于基于脑电图（EEG）的情绪识别的新型图神经网络（GNN）架构。第一篇，GL-LFGNN，利用基于梁-克莱曼信息流理论的双分支因果图神经网络来模拟定向因果影响，以显著更少的参数实现了高精度。第二篇，MSCGC-KAN，在结构化任务头中采用了多尺度因果图卷积和Kolmogorov-Arnold特征映射，以增强预训练脑电模型微调，提高了情绪识别任务的性能。