【论文阅读】Artificial Neural Networks to Assess Emotional States from Brain-Computer Interface

1.这篇文章究竟讲了什么问题？
提供了一个实验来评估由头戴设备的API提供的情感状态的分类准确性。

2.这是否是一个新的问题？
评估头戴设备头戴实时测量，通过ANNs的方法和已经验证过的数据集进行对比是一个新的问题

3.这篇文章要验证一个什么科学假设？
多层感知机能够充分验证Emotiv EPOC+ API的输出

4.有哪些相关研究？如何归类？谁是这一课题在这领域值得关注的研究员？
ANN利用EEG信号的工作：
a)Moon, S.E.; Jang, S.; Lee, J.S. Convolutional neural network approach for EEG-based emotion recognition using brain connectivity and its spatial information. In Proceedings of the 2018 IEEE International Conference on Acoustics, Speech and Signal Processing, Calgary , AB, Canada, 15–20 April 2018; pp. 2556–2560.
b)Tripathi, S.; Acharya, S.; Sharma, R.D.; Mittal, S.; Bhattacharya, S. Using deep and convolutional neural networks for accurate emotion classification on DEAP dataset. In Innovative Applications of Artificial Intelligence; AAAI Press: Palo Alto, CA, USA, 2017; pp. 4746–4752.
c)Li,Y.;Huang,J.;Zhou,H.;Zhong,N.Human emotionrecognition with electroencephalographic multidimensional features by hybrid deep neural networks. Appl. Sci. 2017, 7, 1060, doi:10.3390/app7101060.
d)Bhatti, A.M.; Majid, M.; Anwar, S.M.; Khan, B. Human emotion recognition and analysis in response to audio music using brain signals. Comput. Hum. Behav. 2016, 65, 267–275, doi:10.1016/j.chb.2016.08.029.

5.论文中提到的解决方案之关键是什么？
实验数据的采集，包括SAM量表，Emotiv EPOC+ API的输出，以及IAPS原本输出
模型的设计和训练

6.论文中的实验是如何设计的？
a)比较试验后被试填写的SAM和IAPS原本输出的对比
b)比较Emotiv EPOC+ API的输出和IAPS原本输出的对比

7.用于定量评估的数据集是什么？代码有没有开源？
16个被试的数据，没有

8.论文中的实验及结果有没有很好地支持需要验证的科学假设？
有

9.这篇论文到底有什么贡献？
提供了一个实验来评估由头戴设备的API提供的情感状态的分类准确性

10.下一步呢？有什么工作可以继续深入？
论文本身是一个实验性的文章，没有太多可以借鉴到创新点的地方，可以参考他的实验过程。