MVGT: A Multi-view Graph Transformer Based on Spatial Relations for EEG Emotion Recognition

In diesem Kapitel wird ein Multiview Graph Transformer (MVGT) -Modell vorgestellt, das für die EEG-Emotionserkennung entwickelt wurde und sich auf die Integration räumlicher Beziehungen und bereichsübergreifender Merkmale konzentriert. Das Modell nutzt die differentielle Entropie im Frequenzbereich, zeitliche Einbettungen zur Erfassung sequentieller Informationen und räumliche Kodierungen, um Korrelationen zwischen den Kanälen zu modellieren. Schlüsselthemen sind die Architektur des MVGT, die Implementierungsdetails zeitlicher und räumlicher Kodierungen sowie die experimentellen Ergebnisse zu öffentlichen Datensätzen wie SEED und SEED-IV. Die Leistung des Modells wird mit dem Stand der Technik verglichen, was deutliche Verbesserungen bei der Klassifikationsgenauigkeit zeigt. Zusätzlich bietet das Kapitel Visualisierungen von Beziehungen zwischen den Kanälen und unterstreicht die Bedeutung verteilter neuronaler Schaltkreise bei der Emotionserkennung. Die Ergebnisse deuten darauf hin, dass das MVGT-Modell die komplexen Muster in EEG-Signalen effektiv erfasst, tiefere Einblicke in emotionale Zustände bietet und den Weg für fortgeschrittene affektive Computeranwendungen ebnet.