发明 基于卷积递归神经网络与多头自注意力的情感识别方法 【特价15】
情感识别 卷积神经网络 图像处理 机器学习 人工智能 1人
G06K9/00 G06N3/04 G06N3/08
摘要：本发明请求保护一种基于卷积递归神经网络与多头自注意力机制的情感识别方法，利用一维卷积(CNN)和双向长短时记忆网络(BiLSTM)提取脑电(EEG)信号的空间和动态时间特征，并利用全连接层融合这些特征克隆给多头自注意力机制(Multi‑Head Self‑Attention)对情感关键信息的权重进行再分配，得到准确的情感状态识别。在情感分析与生理信号数据库(DEAP)上验证了设计的模型，并将设计的模型同其他情感识别模型进行比较。实验结果表明卷积网络的卷积平滑信号能够极大提升LSTM网络的识别能力，当输入为EEG时间序列，BiLSTM能够有效对时间序列过去和未来的关键信息进行学习，同时多头自注意力机制可以对权重再分配来提高准确率。与近几年方法相比，提出的模型依旧取得了显著效果。
