상세 보기
ConTL: CNN, Transformer 및 LSTM의 결합을 통한 EEG 기반 감정인식 성능 개선
ConTL: Improving the Performance of EEG-based Emotion Recognition via the Incorporation of CNN, Transformer and LSTM
- 강현욱;
- 김병형
초록
본 논문은 EEG 기반 감정인식을 위해 convolutional neural network (CNN), Transformer, long short-term memory (LSTM)을 결합한 hybrid-network인 ConTL을 제안한다. 먼저, 입력된 EEG로부터 지역적인 특징을 학습하기 위해 CNN을 활용한다. 이후 Transformer가 출력된 특징으로부터 전체적인 시간 종속성을 학습한다. 추가로 순차적 시간 의존성 학습을 위해서 Transformer로부터 출력된 특징을 bi-directional LSTM에 넣는다. 제안 모델의 성능 검증을 위해 5가지 state-of-art 모델과 분류 정확도를 비교했고 그중 SEED-IV에서는 CCNN 대비 0.73%, DEAP에서는 valence와 arousal에서 각각 DGCNN 보다 0.97%, 0.68% 더 높은 성능을 나타냈다.
키워드
ConTL; EEG; emotion recognition; hybrid-network; CNN; Transformer; LSTM; ConTL; EEG; 감정인식; hybrid-network; CNN; Transformer; LSTM
- 제목
- ConTL: CNN, Transformer 및 LSTM의 결합을 통한 EEG 기반 감정인식 성능 개선
- 제목 (타언어)
- ConTL: Improving the Performance of EEG-based Emotion Recognition via the Incorporation of CNN, Transformer and LSTM
- 저자
- 강현욱; 김병형
- 발행일
- 2024-05
- 유형
- Y
- 저널명
- 정보과학회논문지
- 권
- 51
- 호
- 5
- 페이지
- 454 ~ 463