摘要:提出了一种基于冲压激励网络的情感状态识别方法.首先从不同通道的脑电信号中提取时域特征,并根据电极通道的相对位置构造三维特征矩阵;然后将冲压激励块与三维卷积神经网络相结合构建冲压激励网络进行高层抽象特征提取;最后使用全连接层进行情感状态分类.实验在DEAP数据集上开展,实验结果表明冲压激励网络在利用脑电信号中的时域显著性信息和电极空间位置信息的基础上,可以自适应地纠正特征的注意力,优化每个特征的权重并强化重要特征,同时利用不同特征的互补信息来提高识别精度;此外,冲压激励网络的挤压操作可以获取到输入数据的全局信息,具有较快的收敛速度.