DP-STCL 框架用于跨受试者 EEG 情绪识别
热点事件持续更新
DP-STCL 框架用于跨受试者 EEG 情绪识别
1 篇报道1 个报道来源15 小时前更新
先了解这件事
AI 综述
Zehui Xiao 等作者提出双路径时空对比学习框架 DP-STCL，用于跨受试者 EEG 情绪识别。该框架用参数独立的两条路径建模 EEG 时空信息：一条按“时间到空间”的顺序整合，另一条按“空间到时间”的顺序整合，并以三种互补关系约束跨受试者与跨路径的表征差异。 作者称，这一设计基于其提出的假设，即不同整合顺序有助于提升跨受试者情绪识别。报道未给出该框架在具体数据集上的识别效果数据。
AI 根据报道生成 · 1 小时前更新
最新进展10月27日 12:00
DP-STCL 双路径时空对比学习提升跨受试者 EEG 情绪识别报道时间线
沿着报道，了解事件的不同侧面。
10月27日
- arXiv cs.LG + cs.RO + cs.HCDP-STCL 双路径时空对比学习提升跨受试者 EEG 情绪识别
研究提出 Dual-Path Spatiotemporal Contrastive Learning（DP-STCL）框架，用参数独立的 Temporal-to-Spatial 与 Spatial-to-Temporal 两条路径在不同整合顺序下建模 EEG 时空信息，并以三种互补关系约束跨受试者与跨路径的表征差异。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。