【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？

1. 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.
2. 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.
3. 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.
4. 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