@jonxuxu: 我们成功从脑电活动中预测情绪，性能比之前最先进的方法提升超过两倍。Allj…

X AI KOLs Timeline 2026/06/01 13:04 论文

eeg emotion-prediction brain-activity neuroscience machine-learning dataset

摘要

一个新数据集和模型利用EEG数据预测情绪，性能是之前最先进方法的两倍以上。

我们成功从脑电活动中预测情绪，性能比之前最先进的方法提升超过两倍。 Alljoined收集了一个包含24名参与者、3,408个视频及其对应EEG数据的数据集，涵盖快乐、悲伤、恐惧、愤怒、厌恶和中性情绪。https://t.co/PGAHCSiYO3

查看原文

查看缓存全文

缓存时间: 2026/06/01 23:51

我们成功从大脑活动中预测出情绪，性能超过此前最优方法的两倍以上。

Alljoined 收集了一个包含 3,408 个视频的数据集，并配以 24 名参与者的脑电图数据，涵盖快乐、悲伤、恐惧、愤怒、厌恶和中性情绪。https://t.co/PGAHCSiYO3

相似文章

arXiv cs.CL

本文评估了深度学习模型（LSTM、TCN、Transformer）在WESAD数据集上基于生理信号的多模态情感识别表现，结果表明集成方法达到了98.91%的准确率。

arXiv cs.LG

本文介绍了一种用于基于脑电图的情感识别的图正则化深度学习框架，该框架将心理基础的情感拓扑结构融入训练目标，在SEED数据集上实现了准确率提升高达5.42个百分点以及心理上不合理的误分类减少39%。

arXiv cs.CL

本文介绍了YNU-HPCC团队在SemEval-2025 Task 11中针对基于文本的情感识别任务的方法，使用了一个带有增强输出头的RoBERTa模型，并通过英文翻译数据集获得了0.44的排名分数。

X AI KOLs Following

Yohei Nakajima 发推分享了一种快得足以用于实时情感检测的技术，强调其性能为实时。

arXiv cs.LG

一项使用多模态可穿戴数据集进行生理情绪识别的时序深度学习架构比较研究，评估了LSTM、TCN和Transformer模型在不同传感配置下的表现。