摘要
本发明涉及情绪识别技术领域,公开了一种基于跨模态对比学习和多尺度表征的脑电及同步生理信号情绪识别方法,预训练阶段将不同模态的生理信号,通过对应模态的编码器提取特征,学习与情感刺激相关的模态表征,再将这些模态表征通过映射层映射到潜在的空间计算相似度,进而计算各个模态的对比损失,进行模态内对比学习;编码器提取的基于各模态的表征进行跨模态的对比学习,将不同模态的表征对齐到共享的潜在空间;本发明还在每个模态中利用短期和长期的情绪变化,以不同的时间尺度预训练出编码器;在微调阶段,利用预训练的编码器、初始化的模态融合模块和分类器进行情感识别训练,基于生理信号的情感标签优化模型权重。
技术关键词
生理
编码器
跨模态
信号
情绪识别方法
sigmoid函数
模拟环境噪声
阶段
情绪识别技术
情绪识别模型
分类器
样本
前馈神经网络
注意力
带标记
非线性
输出特征
标签
信噪比
系统为您推荐了相关专利信息
预测分类模型
预警方法
融合特征
SMOTE算法
医疗数据分析技术
ECG电极
智能穿戴设备
主控芯片
LED指示灯
测试方法
风电机组部件
综合监测方法
识别算法
图形处理器
数据
BP神经网络
车辆运行数据
神经网络架构
引入遗传算法
商用车车型