论文和源码见个人主页:https://download.csdn.net/download/qq_45874683/85002721
(论文加源码)基于DEAP数据集的1D-CNN和RNN情感分类(GRU和LSTM)
摘要:
在这里,我们研究了脑电情绪的分类方法,并提出了两种模型来解决这一问题,它们是两种深度学习结构的混合:一维卷积神经网络(CNN-1D)和循环神经网络(RNN)。我们在RNN体系结构中实现了递归单元(GRU)和长短时记忆(LSTM),这是专门为解决消失梯度问题而设计的,消失梯度问题通常成为时间序列数据集中的一个问题。我们使用该模型从价-觉醒平面对四个情绪区域进行分类:高价-高觉醒(HVHA)、高价-低觉醒(HVLA)、低价-高觉醒(LVHA)和低价-低觉醒(LVLA)。也就是四分类代码。这个实验是在著名的DEAP数据集上实现的。实验结果表明,该方法在1DCNN-GRU模型和1DCNN-LSTM模型中的训练准确率分别为96.3%和97.8%。因
Original: https://blog.csdn.net/qq_45874683/article/details/123594007
Author: 脑电永不过时
Title: (论文加源码)基于deap的四分类脑电情绪识别(一维CNN+LSTM和一维CNN+GRU
原创文章受到原创版权保护。转载请注明出处:https://www.johngo689.com/663409/
转载文章受原作者版权保护。转载请注明原作者出处!