[发明专利]基于可迁移注意力神经网络的脑电情感识别方法及装置

权利要求书

1.一种基于可迁移注意力神经网络的脑电情感识别方法，其特征在于该方法包括：

(1)获取一个脑电情感数据库，分为训练集和测试集，其中，脑电情感数据库中包含有若干脑电情感数据和对应的情感类别标签；

(2)建立基于可迁移注意力神经网络的脑电情感识别网络，所述脑电情感识别网络包括特征提取器和情感分类器，所述特征提取器包括依次连接的深度特征提取模块、局部注意力子网和全局注意力子网，用于提取输入样本数据中易于迁移与情感相关的全局特征，所述情感分类器用于预测输入的样本数据的情感类别；

(3)对所述脑电情感识别网络进行训练，训练时，将训练集和测试集中每一脑电情感数据作为一个样本，输入特征提取器，提取大脑全局特征，并将从训练集中每一脑电情感数据提取的全局特征作为一个样本，输入情感分类器，网络总损失为情感分类器损失加上注意力熵损失后再减去注意力子网和全局注意力子网损失，通过随机梯度下降法更新网络参数，完成网络训练；

(4)提取待识别的脑电情感数据，将其作为一个测试集样本输入训练好的脑电情感识别网络，并按照步骤(3)对脑电情感识别网络调整，得到识别的情感类别。

2.根据权利要求1所述的基于可迁移注意力神经网络的脑电情感识别方法，其特征在于：所述深度特征提取模块具体包括：

脑电情感数据获取单元，用于获取输入的脑电情感数据式中，形如x_*表示X中第*个电极采集的脑电信号，d表示电极采集的数据的维度，n表示电极数目；

第一递归神经网络，用于从水平方向扫描脑电情感数据中所有电极采集的脑电信号，获得水平方向上包含自身和左右电极关系的电极数据表示H_h＝{h_h,i}；其中，所述第一递归神经网络包括n个隐藏单元，每个隐藏单元执行如下计算：

式中，h_h,i、h_h,j为第一递归神经网络的第i、j个隐藏单元的输出，i＝1,…,n，d_f是输出数据维度；为可学习的参数矩阵；σ(.)表示非线性函数，N(x_i)表示x_i的前序节点集合；

第二递归神经网络，用于从垂直方向扫描脑电情感数据中所有电极采集的脑电信号，获得垂直方向上包含自身和上下电极关系的电极数据表示H_v＝{h_v,i}；其中，所述第二递归神经网络包括n个隐藏单元，每个隐藏单元执行如下计算：

式中，h_v,i、h_v,j为第二递归神经网络的第i、j个隐藏单元的输出，i＝1,…,n，为可学习的参数矩阵；N(x_i)表示x_i的前序节点集合；

顺序调整单元，用于调整H_h和H_v中元素的顺序，使变换后的电极位置一致；

特征合并单元，用于根据下式计算得到的脑电情感数据X的深度特征H：

H＝{h_k}

式中，P和Q为两个变换矩阵。