公开(公告)号：CN117017288B

公开(公告)日：2024-03-19

申请号：CN202310707364.2

申请日：2023-06-14

Applicant: 西南交通大学

Inventor： 顾瑾 ,  龚新皓 ,  李天瑞

IPC: A61B5/16 ,  A61B5/372 ,  A61B5/00 ,  G06F18/21 ,  G06F18/241 ,  G06N3/045

Abstract: 本发明公开了一种跨被试情绪识别模型及其训练方法、情绪识别方法、设备，训练方法基于神经网络结构实现，神经网络结构包括两个独立且结构相同的子神经网络；训练方法包括以下步骤：S1：获取脑电原始信号，并对其进行微分熵特征提取；S2：将提取的微分熵特征划分为多个数据组，并将其中一个作为目标域数据，剩余的作为源域数据；S3：假设当前源域数据分别为Si和Sj，目标域数据为T，其中，Si为子神经网络一的输入，Sj为子神经网络二的输入；S4：建立子神经网络的目标函数；S5：建立跨被试情绪识别模型的损失函数；S6：进行神经网络训练，直至跨被试情绪识别模型的损失函数最小化。本发明获得的跨被试情绪识别模型更加轻量化、识别准确率更高。

公开(公告)号：CN117017288A

公开(公告)日：2023-11-10

申请号：CN202310707364.2

申请日：2023-06-14

Applicant: 西南交通大学

Inventor： 顾瑾 ,  龚新皓 ,  李天瑞

IPC: A61B5/16 ,  A61B5/372 ,  A61B5/00 ,  G06F18/21 ,  G06F18/241 ,  G06N3/045

Abstract: 本发明公开了一种跨被试情绪识别模型及其训练方法、情绪识别方法、设备，训练方法基于神经网络结构实现，神经网络结构包括两个独立且结构相同的子神经网络；训练方法包括以下步骤：S1：获取脑电原始信号，并对其进行微分熵特征提取；S2：将提取的微分熵特征划分为多个数据组，并将其中一个作为目标域数据，剩余的作为源域数据；S3：假设当前源域数据分别为Si和Sj，目标域数据为T，其中，Si为子神经网络一的输入，Sj为子神经网络二的输入；S4：建立子神经网络的目标函数；S5：建立跨被试情绪识别模型的损失函数；S6：进行神经网络训练，直至跨被试情绪识别模型的损失函数最小化。本发明获得的跨被试情绪识别模型更加轻量化、识别准确率更高。