[论文翻译]一种新型双半球差异模型用于脑电情绪识别
摘要—神经科学研究 [1] 揭示了人脑左右半球情绪表达的差异性。受此启发,本文提出一种新型双半球差异模型 (BiHDM),通过捕捉两半球间非对称差异实现脑电图 (EEG) 情绪识别。具体而言,我们首先基于两个空间方位部署四个定向循环神经网络 (RNN),分别遍历两个脑区的电极信号,使模型在保持固有空间依赖性的同时获取所有 EEG 电极信号的深层表征。随后设计配对子网络捕获两半球间差异信息,并提取更高层次特征用于最终分类。此外,为降低训练与测试数据间的域偏移,我们采用领域判别器对抗式引导整体特征学习模块生成与情绪相关但域不变的特征,从而进一步提升 EEG 情绪识别性能。在三个公开 EEG 情绪数据集上的实验表明,本方法能达到当前最优性能。