AAAI2020|| 一种启发式变分路径推理(VPR)脑电情绪识别方法
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§、枕叶(O)和中央区© ,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。
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[u0, u1,···,ul]由以下分布生成 :
其中,e(v1,v2)表示节点v1和v2之间的非标准化邻接,如果v1,v2在空间上相邻(详见图2),则其值设为1,否则设为0 。Z为归一化常数, ε r {{\varepsilon }_{r}} εr为封闭在r-th脑区相邻电极对的集合(r {F, T, P, O, C})。
路径编码
候选路径采用序列递归模型LSTM对行走节点的依赖进行编码,获得其嵌入表示。在形式上,对于给定的路径[u0, u1,··,ul],编码过程定义如下 :
局部路径聚合
为了找到电极之间的显著联系,我们使用max-aggregation来找到那些具有相同起始节点的局部候选路径。通过取嵌入通道间各维度的最大值来计算聚合路径:
由于最大位置不一致,一个聚合路径可能不是一个真正的行走,但该路径记录了那些最显著的电极之间的连接。因此,我们将聚合路径称为伪显著路径。 其中一个候选通路与相应的伪显著通路高度相关。形式上,一个候选通路的局部显著性推导为 :
整体路径缩放
作者提出了SVS模块来推导伪路径的比例因子,引入了具有稀疏约束的变分推理模型,而不是采用确定性的方法。由于SVS在数据分布拟合方面具有良好的数学特性,因此具有稳定性和可解释性。 同时,约束尺度因子的稀疏结构,以自适应地选择显著路径。 每个伪通路显著性 S j {{S}_{j}} Sj将根据对应的潜在变量 Z j {{Z}_{j}} Zj重新缩放 :
利用Kullback-Leibler (KL)-散度估计
与
的分布距离,利用
使kl -散度最小可以得到
的较好近似。 最小化kl -散度等价于最大化
损失函数与候选路径的选择
在训练整个VPR时,作者最小化整个损失函数,定义如下:
为了确定的显著路径,本文结合每个候选路径的贡献力量相应的伪路径 α k → j {{\alpha }_{k\to j}} αk→j 和伪通路的重要性 z j ′ = σ ( z j ) z_{j}^{'}=\sigma ({{z}_{j}}) zj′=σ(zj)。在形式上,在j极点的第k-th候选路径,整体贡献 c j k {{c}_{jk}} cjk表示最后情感分析的定义是:
结果
本文通过对SJTU情绪脑电图数据集(SEED)和多模式生理情绪数据库(MPED)两种脑电图情绪数据集进行实验来评价VPR。为了达到一个全面的评估,提出的VPR与多种先进的方法比较,遵循广泛使用的subject dependent 协议。
为了进一步直观地理解路径选择,本文在这里将那些显著的路径可视化,通过施加更高值的缩放因子来自适应地突出这些路径。同时,在图4和图5中展示了不同被试和不同情感类别之间有序联系的差异,这从人类情感认知的角度来看可能也很有意义。
结论
7920)].jpg)
[外链图片转存中…(img-LsIZUfTu-1609225537921)].png)
结论
论文提出了一种基于感知机制的脑电情绪识别框架VPR。考虑到空间的邻接性和功能区,在每个脑区域内沿封闭的空间电极引入随机游走,生成候选路径。为了编码每个路径,考虑到有序连接,我们使用LSTM模型来学习电极间的依赖关系。为了捕获最重要的成对连接,每个电极周围的编码通路被聚合以产生一个伪最大能量通路。为了进一步选择显著路径,提出了基于贝叶斯概率过程和稀疏约束的SVS模块,使该模块具有良好的泛化能力,同时有利于路径的自适应选择。最后,通过伪路径和尺度因子共同确定候选路径的显著路径。