申请/专利权人:南京大学
申请日:2024-01-11
公开(公告)日:2024-04-12
公开(公告)号:CN117860250A
主分类号:A61B5/16
分类号:A61B5/16;G06N3/0464;G06N3/047;G06N3/048;G06N3/084;A61B5/369;A61B5/00
优先权:
专利状态码:在审-实质审查的生效
法律状态:2024.04.30#实质审查的生效;2024.04.12#公开
摘要:一种基于CNT的脑电信号情绪识别方法,构建基于卷积融合Transformer的脑电信号情绪识别模型,通过对脑电图EEG信号的分类,实现对情绪的识别,所述情绪识别模型包括CNN模块、TransformerEncoder模块和输出模块三个串联分立模块,CNN模块用于对输入信号的指定频段进行局部特征提取,TransformerEncoder模块用于对CNN模块输出的局部特征进行整合,输出模块实现信号的分类,得到情绪识别结果。本发明结合CNN和Transformer的模型能够有效地从EEG信号中提取出复杂的特征,更准确地识别不同的情绪状态,并增强了模型的泛化能力,在实际应用中表现出更强的鲁棒性。
主权项:1.一种基于CNT的脑电信号情绪识别方法,其特征是构建基于卷积融合Transformer的脑电信号情绪识别模型,通过对脑电图EEG信号的分类,实现对情绪的识别,所述情绪识别模型包括CNN模块、TransformerEncoder模块和输出模块三个串联分立模块,CNN模块用于对输入信号的指定频段进行局部特征提取,TransformerEncoder模块用于对CNN模块输出的局部特征进行整合,输出模块实现信号的分类,得到情绪识别结果。
全文数据:
权利要求:
百度查询: 南京大学 一种基于CNT的脑电信号情绪识别方法
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。