一种基于脉冲神经网络的EEG情感识别方法

本发明公开了一种基于脉冲神经网络的EEG情感识别方法，首先采集EEG数据并在时间方向上对EEG数据进行分割，然后构建具有相同网络结构的ANN和SNN模型，输入EEG数据到ANN模型进行训练，当反向传播训练的ANN模型精度稳定后，完成ANN模型的训练，最后利用训练好的ANN模型权重对SNN模型进行权重初始化，并使用混合损失和反向传播协同训练SNN的权重和内在参数，当模型的精度稳定后，结束训练，得到训练好的SNN模型。本发明的方法将具有生物学合理性的内在参数集成到脉冲神经元中，从而在神经元层面优化信息处理并稳定信号传递，通过使用跨模型初始化和融合损失优化实现SNN模型的协同训练，使SNN模型能够用于EEG情感识别，显著提升了EEG情感识别的精度和稳定性。