論文の概要: FreqDGT: Frequency-Adaptive Dynamic Graph Networks with Transformer for Cross-subject EEG Emotion Recognition

• arxiv url: http://arxiv.org/abs/2506.22807v1
• Date: Sat, 28 Jun 2025 08:18:05 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-07-01 21:27:53.579541
• Title: FreqDGT: Frequency-Adaptive Dynamic Graph Networks with Transformer for Cross-subject EEG Emotion Recognition
• Title（参考訳）: FreqDGT:クロスオブジェクト脳波認識のためのトランスフォーマを用いた周波数適応動的グラフネットワーク
• Authors: Yueyang Li, Shengyu Gong, Weiming Zeng, Nizhuan Wang, Wai Ting Siok,
• Abstract要約: クロスオブジェクトの一般化は、個人の多様性、認知的特徴、感情的な反応による課題である。 本稿では,周波数適応型動的グラフ変換器FreqDGTを提案する。 FreqDGTは、周波数適応性、空間力学、時間階層モデリングの統合の有効性を確認することにより、物体間感情認識の精度を大幅に向上させる。
• 参考スコア（独自算出の注目度）: 1.9198890060313585
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Electroencephalography (EEG) serves as a reliable and objective signal for emotion recognition in affective brain-computer interfaces, offering unique advantages through its high temporal resolution and ability to capture authentic emotional states that cannot be consciously controlled. However, cross-subject generalization remains a fundamental challenge due to individual variability, cognitive traits, and emotional responses. We propose FreqDGT, a frequency-adaptive dynamic graph transformer that systematically addresses these limitations through an integrated framework. FreqDGT introduces frequency-adaptive processing (FAP) to dynamically weight emotion-relevant frequency bands based on neuroscientific evidence, employs adaptive dynamic graph learning (ADGL) to learn input-specific brain connectivity patterns, and implements multi-scale temporal disentanglement network (MTDN) that combines hierarchical temporal transformers with adversarial feature disentanglement to capture both temporal dynamics and ensure cross-subject robustness. Comprehensive experiments demonstrate that FreqDGT significantly improves cross-subject emotion recognition accuracy, confirming the effectiveness of integrating frequency-adaptive, spatial-dynamic, and temporal-hierarchical modeling while ensuring robustness to individual differences. The code is available at https://github.com/NZWANG/FreqDGT.
• Abstract（参考訳）: 脳波(EEG)は、感情的脳とコンピュータのインターフェースにおける感情認識のための信頼性と客観的なシグナルとして機能し、その高時間分解能と意識的に制御できない真の感情状態を取得する能力を通じて、ユニークな利点を提供する。 しかし、相互対象の一般化は、個人の多様性、認知的特徴、感情的反応などによる根本的な課題である。 本稿では,周波数適応型動的グラフ変換器FreqDGTを提案する。 FreqDGTは、神経科学的証拠に基づいて感情関連周波数帯域を動的に重み付けするための周波数適応処理(FAP)を導入し、適応動的グラフ学習(ADGL)を用いて入力固有の脳接続パターンを学習し、階層的時間的変換器と対角的特徴のアンタングルメントを組み合わせたマルチスケールの時間的アンタングルネットワーク(MTDN)を実装し、両方の時間的ダイナミクスを捕捉し、クロスオブジェクトロバスト性を確保する。 包括的実験により、FreqDGTは、個人差に対する堅牢性を確保しつつ、周波数適応性、空間力学、時間階層モデリングの統合の有効性を検証し、クロスオブジェクト感情認識の精度を著しく向上させることが示された。 コードはhttps://github.com/NZWANG/FreqDGT.comで入手できる。

関連論文リスト

• Neuromorphic Wireless Split Computing with Resonate-and-Fire Neurons [69.73249913506042]
  本稿では、共振器(RF)ニューロンを用いて時間領域信号を直接処理する無線スプリットコンピューティングアーキテクチャについて検討する。 可変周波数で共鳴することにより、RFニューロンは低スパイク活性を維持しながら時間局在スペクトル特徴を抽出する。 実験の結果,提案したRF-SNNアーキテクチャは従来のLIF-SNNやANNと同等の精度を達成できることがわかった。
  論文  参考訳（メタデータ） (2025-06-24T21:14:59Z)
• PhysioSync: Temporal and Cross-Modal Contrastive Learning Inspired by Physiological Synchronization for EEG-Based Emotion Recognition [26.384133051131133]
  時間的および横断的なコントラスト学習を活用した新しい事前学習フレームワークであるPhyloSyncを提案する。 事前トレーニング後、クロスレゾリューションとクロスモーダルの機能は階層的に融合され、微調整され、感情認識が強化される。 DEAPデータセットとDREAMERデータセットの実験は、一様および交差モード条件下でのPhyloSyncの高度なパフォーマンスを実証している。
  論文  参考訳（メタデータ） (2025-04-24T00:48:03Z)
• Dynamic Graph Neural ODE Network for Multi-modal Emotion Recognition in Conversation [14.158939954453933]
  会話におけるマルチモーダル感情認識のための動的グラフニューラル正規微分方程式ネットワーク(DGODE)を提案する。 提案したDGODEは、感情の動的変化を組み合わせ、話者の感情の時間的依存を捉える。 2つの一般公開されたマルチモーダル感情認識データセットの実験により、提案したDGODEモデルは、様々なベースラインと比較して優れた性能を示した。
  論文  参考訳（メタデータ） (2024-12-04T01:07:59Z)
• Hybrid Quantum Deep Learning Model for Emotion Detection using raw EEG Signal Analysis [0.0]
  本研究は、感情認識のためのハイブリッド量子深層学習技術を提案する。 従来の脳波に基づく感情認識技術はノイズと高次元データ複雑さによって制限される。 このモデルは、リアルタイムアプリケーションと将来の研究におけるマルチクラス分類のために拡張される予定である。
  論文  参考訳（メタデータ） (2024-11-19T17:44:04Z)
• MVGT: A Multi-view Graph Transformer Based on Spatial Relations for EEG Emotion Recognition [4.184462746475896]
  3つの領域にまたがる情報を統合する空間関係に基づく多視点グラフ変換器(MVGT)を提案する。 公開データセットの評価では、MVGTがパフォーマンスにおいて最先端の手法を上回ることが示されている。
  論文  参考訳（メタデータ） (2024-07-03T14:13:00Z)
• Multimodal Emotion Recognition using Transfer Learning from Speaker Recognition and BERT-based models [53.31917090073727]
  本稿では,音声とテキストのモダリティから,伝達学習モデルと微調整モデルとを融合したニューラルネットワークによる感情認識フレームワークを提案する。 本稿では,対話型感情的モーションキャプチャー・データセットにおけるマルチモーダル・アプローチの有効性を評価する。
  論文  参考訳（メタデータ） (2022-02-16T00:23:42Z)
• Improved Speech Emotion Recognition using Transfer Learning and Spectrogram Augmentation [56.264157127549446]
  音声感情認識(SER)は、人間とコンピュータの相互作用において重要な役割を果たす課題である。 SERの主な課題の1つは、データの不足である。 本稿では,スペクトログラム拡張と併用した移動学習戦略を提案する。
  論文  参考訳（メタデータ） (2021-08-05T10:39:39Z)
• F-FADE: Frequency Factorization for Anomaly Detection in Edge Streams [53.70940420595329]
  エッジストリームにおける異常検出のための新しいアプローチであるF-FADEを提案する。 ノード対間の相互作用の周波数の時間進化分布を効率的にモデル化するために、新しい周波数分解技術を用いる。 F-FADEは、一定メモリしか必要とせず、時間的および構造的な変化を伴う幅広い種類の異常をオンラインストリーミング環境で処理できる。
  論文  参考訳（メタデータ） (2020-11-09T19:55:40Z)
• Video-based Remote Physiological Measurement via Cross-verified Feature Disentangling [121.50704279659253]
  非生理的表現と生理的特徴を混同するための横断的特徴分離戦略を提案する。 次に, 蒸留された生理特性を用いて, 頑健なマルチタスク生理測定を行った。 歪んだ特徴は、最終的に平均HR値やr信号のような複数の生理的信号の合同予測に使用される。
  論文  参考訳（メタデータ） (2020-07-16T09:39:17Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。