Um kritische Frequenzbänder und Kanäle zu untersuchen, wird in diesem Artikel tiefes Vertrauensnetzwerk (Deep Belief Network, DBN) eingeführt, um EEG-basierte Emotionserkennungsmodelle für drei Emotionen – positive, neutrale und negative – zu entwickeln. Wir erstellen einen EEG-Datensatz, der von 15 Probanden erfasst wurde. Jeder Proband absolvierte die Experimente zweimal mit einer Intervallzeit von einigen Tagen. DBNs werden mit differenziellen Entropie-Features trainiert, die aus multikanaligen EEG-Daten extrahiert wurden. Wir analysieren die Gewichte der trainierten DBNs und untersuchen dabei die kritischen Frequenzbänder und Kanäle. Vier verschiedene Kanalprofile mit jeweils 4, 6, 9 und 12 Kanälen werden ausgewählt. Die Erkennungsgenauigkeiten dieser vier Profile sind relativ stabil, wobei die beste Genauigkeit bei 86,65 % liegt – sogar besser als die des ursprünglichen Datensatzes mit 62 Kanälen. Die kritischen Frequenzbänder und Kanäle, die mittels der Gewichte der trainierten DBNs bestimmt wurden, stimmen mit bereits bestehenden Beobachtungen überein. Zudem zeigen unsere Experimente, dass neuronale Signaturen, die verschiedenen Emotionen zugeordnet sind, tatsächlich existieren und über Sitzungen sowie Personen hinweg gemeinsame Merkmale aufweisen. Wir vergleichen die Leistungsfähigkeit tiefer Modelle mit jener flacher Modelle. Die durchschnittlichen Genauigkeiten betragen für DBN, SVM, LR und KNN jeweils 86,08 %, 83,99 %, 82,70 % und 72,60 %.