セッション間感情認識のためのEEGベースのドメイン適応

この論文は、信頼性の高いヒューマンマシンインタラクションにとって重要な問題である、EEGベースの感情認識におけるセッション間の変動性の課題に取り組んでいます。提案されたEGDAフレームワークは、グローバルおよびクラス固有の分布を整列させながら、グラフ正則化を通じてEEGデータの構造を維持することにより、新しいアプローチを提供します。SEED-IVデータセットの結果は、ベースラインと比較して改善された精度を示し、この方法の可能性を強調しています。主要な周波数帯域と脳領域の特定は、感情認識の理解にさらに貢献します。

• •EEGベースの感情認識におけるセッション間の変動性の課題に対処。
• •ドメイン適応のためのEGDAフレームワークを提案。
• •SEED-IVデータセットで改善された精度を達成。
• •感情認識のための主要な周波数帯域と脳領域を特定。