【论文阅读】Deep Neural Classifiers for EEG-Based Emotion Recognition in Immersive Environments
1.这篇文章究竟讲了什么问题?
VR环境下,基于EEG信号,以及神经网络分类器的表情识别(情感类别:刺激)
2.这是否是一个新的问题?
不是
3.这篇文章要验证一个什么科学假设?
使用神经网络分类器能有效提高VR环境下的情感识别
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?
- C.H. Wu, J.C. Lin and W.L. Wei. "Survey on audiovisual emotion recognition: databases, features, and data fusion strategies", APSIPA Transactions on Signal and Information Processing 3, 2014.
- D. Wu, C. Courtney, B. Lance, S. Narayanan, M. Dawson, K. Oie, and T. Parsons, “Optimal Arousal Identification and Classification for Affective Computing Using Physiological Signals: Virtual Reality Stroop Task”, IEEE Transactions on Affective Computing, 1(2): 109-118, 2010.
- D. Wu, C. Courtney, B. Lance, S. Narayanan, M. Dawson, K. Oie, and T. Parsons, “Optimal Arousal Identification and Classification for Affective Computing Using Physiological Signals: Virtual Reality Stroop Task”, IEEE Transactions on Affective Computing, 1(2): 109-118, 2010.
- N. Kovacevic, P. Ritter, W. Tays, S. Moreno, and A. McIntosh, “‘My Virtual Dream’: Collective Neurofeedback in an Immersive Art Environment”, PLoS ONE, 10(7): e0130129. doi.org/10.1371/journal.pone.0130129, 2015.
5.论文中提到的解决方案之关键是什么?
生理信号收集于处理,以及神经网络分类模型的优化过程
6.论文中的实验是如何设计的?
1)hidden层数对识别精度的影响
2)每一层神经元个数对识别精度的影响
3)Dropout率对识别精度的影响
7.用于定量评估的数据集是什么?代码有没有开源?
24个被试的数据集,10折交叉验证。没有开源
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?
提出一种基于神经网络分类器VR环境下的情感识别,情感类别为刺激
10.下一步呢?有什么工作可以继续深入?
1)增加情感类别
2)增加刺激材料
3)增加被试人员数量
4)使用图像信号
每天快乐敲代码,快乐生活