©PaperWeekly 原创 · 作者|张玮玮
学校|东北大学硕士生
研究方向|脑电情绪识别
论文工作
人类情感认知的研究表明,在情感表达过程中,空间相邻区域和功能相关区域之间存在着联系和通路。作者提出了一种启发式的变分路径推理(VPR)方法来处理基于脑电波的情绪识别,引入随机游走来产生大量沿电极的候选路径。为了编码每个路径,动态序列模型用于进一步学习电极间的依赖关系。
论文方法
为了降低步行路径的数目,作者通过划分五个脑功能区域(额叶 (F)、颞叶 (T)、顶叶 (P)、枕叶 (O) 和中央区 (C) ),将步行范围限制在局部区域内,并仅定义空间相邻电极之间的直接连接。对于作为开始节点的每个电极,作者在预定义的行走长度内采样多个候选路径。
考虑到步行路径的序列特性,引入动态序列模型 LSTM 对电极间依赖关系进行编码,进一步提取路径的高级特征。对于每个电极,最大限度地聚合其中的编码通路,得到一个伪显著通路,其每条边实际上表示跳跃阶段的显著连接。
为了进一步简化伪路径,作者提出了一个稀疏变分缩放(SVS)模块来学习施加在这些路径上的缩放因子。与局部聚集相比,变分标度在所有电极上共享,因此可以理解为一种整体加权策略。尺度因子不仅可以用于生成更多的判别特征用于最终的情绪预测,而且还可以反馈到这些候选路径中,从而确定最终的显著路径。
2.1 产生候选路径
对于输入的脑电图信号,每个电极对多个通路进行采样。形式上,对于长度为 l 的随机行走,有序节点 由以下分布生成 :
其中, 表示节点 和 之间的非标准化邻接,如果