基于时空Inception残差注意力网络的脑电情绪识别

摘要

为了提高脑电情绪识别分类精度，最大限度利用脑电信号的空间和时间信息，提出一种Inception残差注意力卷积神经网络与双向长短期记忆(bi-directional long short-term memory, BiLSTM)网络相结合的新型架构时空Inception残差注意力网络。将脑电信号采集电极位置映射到二维矩阵中，采集信号作为通道，构成三维数据；将得到的三维数据输入到时空Inception残差注意力卷积网络之中，提取时空信息；将得到的特征输入到全连接层进行分类；将Inception结构引入脑电情绪识别领域，实现多尺度特征提取，并将电极映射到矩阵之中，保留电极位置信息，使用时空Inception残差注意力网络从时空两个维度获取脑电相关信息。实验表明，使用该模型对DEAP数据集进行情绪四分类可得到93.71%的准确度，相较于对比模型，识别精度提高了10%～20%。提出的模型在脑电信号情绪识别领域具有优良性能。

关键词

脑电信号 / 情绪识别 / 电极平面映射 / Inception残差注意力网络 / 双向长短期记忆网络