买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：南通大学

摘要：本发明涉及人工智能技术领域，尤其涉及一种基于SRU和双重注意力的脑电信号情绪识别方法，包括：对数据集进行分段预处理以扩充样本数量，由一维卷积提取62个通道局部情感特征；构建嵌入内注意力简单循环单元以捕捉多通道融合特征以及通道之间的依赖关系，全局注意力机制识别出对情感倾向识别影响较大的重点特征，进一步增强对深层次脑电信号特征的学习；线性层输出积极、中性、消极的情感识别结果。实验结果表明，本发明取得了90.24％的平均分类准确率，高于实验对比的优秀深度学习模型，嵌入内注意力简单循环单元特征捕捉能力更强，能够准确地识别出脑电信号所表示的情感倾向，实现检测自动化，同时为医生诊断提供有效的辅助决策。

主权项：1.一种基于SRU和双重注意力的脑电信号情绪识别方法，其特征在于，具体步骤如下：首先对脑电信号采集、将数据进行预处理并分段，使其符合基于SRU和双重注意力的脑电信号情感识别模型接受的输入形式；其中，脑电信号情绪识别模型包括一维卷积模块、简单循环单元、内注意力机制和全局注意力机制；一维卷积模块作用在单个信号通道，负责捕捉局部情感特征；简单循环单元负责提取多通道融合特征，内注意力机制学习到不同通道间情感关联信息；由全局注意力通过计算每个隐藏层特征输出对情感极性判断的影响权重大小，提高对重点特征的关注程度，线性层输出积极、中性或消极的情感结果；其中，一维卷积模块包括输入层、n个卷积层、平均池化和输出层；每个卷积层由卷积操作、Swish激活函数和最大池化层构成；卷积操作提取单通道维度上的局部特征，降低向量维度大小，卷积核大小设置为1×3，在信号维度上通过滑动卷积窗口进行特征学习，步长大小设置为1；为避免RELU激活函数在训练过程中出现神经元坏死，导致训练效果不佳的问题，引入性能更优的非线性激活函数Swish，加快模型训练速度，对整体网络起正则化作用；计算过程如式1所示：fx＝x*sigmoidβx1其中，β为可训练超参数，最大池化策略对局部特征进行筛选，保留重点特征作为下一层卷积的输入；经多个卷积层进行特征学习后，最后由平均池化层输出每个通道的高维情感特征表示V，构成过程如式2所示：V＝[V1，V2，...，V62]2其中，Vi表示第i通道的向量表示，维度大小为w。

全文数据：

权利要求：

百度查询： 南通大学 一种基于SRU和双重注意力的脑电信号情绪识别方法