基于脑电图的跨会话情感识别的域自适应

Research Paper#EEG, Emotion Recognition, Domain Adaptation, Machine Learning🔬 Research|分析: 2026年1月3日 18:42•
发布: 2025年12月29日 15:05
•
1分で読める
•ArXiv

分析

本文解决了基于脑电图的情感识别中跨会话变异性的挑战，这是实现可靠人机交互的关键问题。所提出的EGDA框架通过对齐全局和特定类别的分布，同时通过图正则化保留脑电图数据的结构，提供了一种新颖的方法。在SEED-IV数据集上的结果表明，与基线相比，准确性有所提高，突出了该方法的潜力。关键频段和大脑区域的识别进一步有助于理解情感识别。
引用 / 来源
查看原文
"EGDA achieves robust cross-session performance, obtaining accuracies of 81.22%, 80.15%, and 83.27% across three transfer tasks, and surpassing several baseline methods."
A
ArXiv2025年12月29日 15:05
* 根据版权法第32条进行合法引用。
较旧

Iterative Inference-time Scaling with Adaptive Frequency Steering for Image Super-Resolution

较新

Frozen Neutron Stars in Four-Dimensional Non-polynomial Gravities

相关分析

Research Paper

SpaceTimePilot：时空控制的生成视频渲染

2026年1月3日 06:10

Research Paper

量子混沌哈密顿量演化下的随机性生成

2026年1月3日 06:10

Research Paper

GaMO：几何感知扩散用于稀疏视角3D重建

2026年1月3日 06:32

来源: ArXiv