您当前所在位置: 首页 > 首发论文
动态公开评议须知

1. 评议人本着自愿的原则,秉持科学严谨的态度,从论文的科学性、创新性、表述性等方面给予客观公正的学术评价,亦可对研究提出改进方案或下一步发展的建议。

2. 论文若有勘误表、修改稿等更新的版本,建议评议人针对最新版本的论文进行同行评议。

3. 每位评议人对每篇论文有且仅有一次评议机会,评议结果将完全公示于网站上,一旦发布,不可更改、不可撤回,因此,在给予评议时请慎重考虑,认真对待,准确表述。

4. 同行评议仅限于学术范围内的合理讨论,评议人需承诺此次评议不存在利益往来、同行竞争、学术偏见等行为,不可进行任何人身攻击或恶意评价,一旦发现有不当评议的行为,评议结果将被撤销,并收回评审人的权限,此外,本站将保留追究责任的权利。

5. 论文所展示的星级为综合评定结果,是根据多位评议人的同行评议结果进行综合计算而得出的。

勘误表

上传勘误表说明

  • 1. 请按本站示例的“勘误表格式”要求,在文本框中编写勘误表;
  • 2. 本站只保留一版勘误表,每重新上传一次,即会覆盖之前的版本;
  • 3. 本站只针对原稿进行勘误,修改稿发布后,不可对原稿及修改稿再作勘误。

示例:

勘误表

上传勘误表说明

  • 1. 请按本站示例的“勘误表格式”要求,在文本框中编写勘误表;
  • 2. 本站只保留一版勘误表,每重新上传一次,即会覆盖之前的版本;
  • 3. 本站只针对原稿进行勘误,修改稿发布后,不可对原稿及修改稿再作勘误。

示例:

上传后印本

( 请提交PDF文档 )

* 后印本是指作者提交给期刊的预印本,经过同行评议和期刊的编辑后发表在正式期刊上的论文版本。作者自愿上传,上传前请查询出版商所允许的延缓公示的政策,若因此产生纠纷,本站概不负责。

发邮件给 王小芳 *

收件人:

收件人邮箱:

发件人邮箱:

发送内容:

0/300

论文收录信息

论文编号 202006-40
论文题目 基于卷积神经网络的脑电信号情绪识别方法研究
文献类型
收录
期刊

上传封面

期刊名称(中文)

期刊名称(英文)

年, 卷(

上传封面

书名(中文)

书名(英文)

出版地

出版社

出版年

上传封面

书名(中文)

书名(英文)

出版地

出版社

出版年

上传封面

编者.论文集名称(中文) [c].

出版地 出版社 出版年-

编者.论文集名称(英文) [c].

出版地出版社 出版年-

上传封面

期刊名称(中文)

期刊名称(英文)

日期--

在线地址https://

上传封面

文题(中文)

文题(英文)

出版地

出版社,出版日期--

上传封面

文题(中文)

文题(英文)

出版地

出版社,出版日期--

英文作者写法:

中外文作者均姓前名后,姓大写,名的第一个字母大写,姓全称写出,名可只写第一个字母,其后不加实心圆点“.”,

作者之间用逗号“,”分隔,最后为实心圆点“.”,

示例1:原姓名写法:Albert Einstein,编入参考文献时写法:Einstein A.

示例2:原姓名写法:李时珍;编入参考文献时写法:LI S Z.

示例3:YELLAND R L,JONES S C,EASTON K S,et al.

上传修改稿说明:

1.修改稿的作者顺序及单位须与原文一致;

2.修改稿上传成功后,请勿上传相同内容的论文;

3.修改稿中必须要有相应的修改标记,如高亮修改内容,添加文字说明等,否则将作退稿处理。

4.请选择DOC或Latex中的一种文件格式上传。

上传doc论文   请上传模板编辑的DOC文件

上传latex论文

* 上传模板导出的pdf论文文件(须含页眉)

* 上传模板编辑的tex文件

回复成功!

基于卷积神经网络的脑电信号情绪识别方法研究

首发时间:2020-06-05

蔡晞阳 1   

蔡晞阳(2000-),男,本科在读,主要研究方向:情绪脑电信号的分析与挖掘

陈昊斌 1   

陈昊斌(2000-),男

苟海军 1   

苟海军(2000-),男

王晶 1   

王晶(1987-),副教授,博导,主要研究方向:生理时间序列分析与挖掘

  • 1、北京交通大学计算机与信息技术学院,北京,100044

摘要:情绪是反映人的心理状态的指标,情绪的识别对于人们的研究和生活都已经有了很重要的意义。脑电信号常被用于情绪识别领域,常使用频空特征进行识别。考虑到不同种类特征之间具有较强的互补性,本文提出了将频、空两种特征相结合的方法。同时,本文提出的伪3D卷积的计算模式,降低了模型的计算成本和内存需求。模型引入的残差结构,解决了网络加深带来的梯度消失和梯度爆炸的问题。随后,本文在SEED数据集上进行了脑电信号的情绪识别实验,实验结果表明该方法达到了出色性能。

关键词: 深度学习 情感识别 生理信号处理

For information in English, please click here

Research on EEG Emotion Recognition Method Based on Convolutional Neural Network

CAI Xiyang 1   

蔡晞阳(2000-),男,本科在读,主要研究方向:情绪脑电信号的分析与挖掘

CHEN Haobin 1   

陈昊斌(2000-),男

GOU Haijun 1   

苟海军(2000-),男

WANG Jing 1   

王晶(1987-),副教授,博导,主要研究方向:生理时间序列分析与挖掘

  • 1、 School of Computer and Information Technology, Beijing Jiaotong University, Beijing 100044

Abstract:Emotion is an indicator of evaluating a person\'s psychological state, and emotion recognition has significant meanings for people\'s researches and life. Electroencephalogram (EEG) is often used in the field of emotion recognition.Frequency and spatial features of EEG signals are often used for emotion recognition. Considering the strong complementarity between different kinds of features, this paper proposes a method using combination of frequency features and spatial features. At the same time, the computational method of pseudo 3D convolution proposed in this paper reduces the computational cost and memory requirements of model. The residual structure introduced by the model solves the problem of gradient vanishing and expolding caused by network deepening. Subsequently, the emotion recognition experiment of EEG signals is carried out on the SEED dataset in this paper. The experimental results show that the proposed method achieves excellent performance.

Keywords: deep learning emotion recogniton physiological signals processing

Click to fold

点击收起

基金:

论文图表:

引用

导出参考文献

.txt .ris .doc
蔡晞阳,陈昊斌,苟海军,等. 基于卷积神经网络的脑电信号情绪识别方法研究[EB/OL]. 北京:中国manbetx体育在线 [2020-06-05]. https://www.0gl55.com/releasepaper/content/202006-40.

No.****

动态公开评议

共计0人参与

动态评论进行中

评论

全部评论

0/1000

勘误表

基于卷积神经网络的脑电信号情绪识别方法研究