新しい双半球不一致モデルによるEEG感情認識

神経科学の研究は、人間の脳の左右半球における感情表現の相違を明らかにしました。この研究に触発されて、本論文では、電気頭蓋図（EEG）感情認識のために、左右半球間の非対称的な違いを学習する新しい双半球相違モデル（BiHDM）を提案します。具体的には、まず2つの空間的方向に基づく4つの指向性再帰ニューラルネットワーク（RNNs）を使用して、2つの異なる脳領域上の電極信号を走査します。これにより、モデルはすべてのEEG電極信号の深層表現を得ることができつつ、固有の空間依存関係を維持することができます。次に、左右半球間の相違情報を捉え、最終分類のためにより高次の特徴を抽出するペアワイズサブネットワークを設計しました。さらに、訓練データとテストデータ間のドメインシフトを軽減するために、ドメイン識別器を使用して全体的な特徴学習モジュールが感情に関連するがドメイン不変な特徴を生成することを敵対的に誘導します。これにより、EEG感情認識がさらに促進されます。私たちは3つの公開されたEEG感情データセットで実験を行い、その結果は最新かつ最良の成績が達成できることを示しています。注：「BiHDM」は「双半球相違モデル」、「domain shift」は「ドメインシフト」、「domain-invariant feature」は「ドメイン不変な特徴」と訳しました。「state-of-the-art results」は一般的に「最新かつ最良の成績」と訳されることが多いです。