LSTM分析EEG
然而，脑电序列通常较长，直接用来训练LSTM模型所需的计算资源非常大且学习到的信息类型单一，而且忽略了许多对情绪识别非常重要的信息，如频域信息和非线性动力学信息。为此提出一种新的基于LSTM的情绪识别模型。脑电信号被分成多个非重叠的信号段，并从每段信号中提取多种时域，频域和非线性动力学特征，这些特征沿时间连接成特征序列并用来训练LSTM分类模型。在DEAP数据集上验证了该模型在愉悦度，唤醒度和喜欢度上的二分类准确率，其中每个情绪维度分为低和高两类。实验结果表明，该模型在愉悦度和喜欢度上的分类准确率均优于已有方法，在唤醒度上的分类准确率仅次于最先进的成果。
