20210415-中信证券-股票期权市场2021Q1盘点与展望：对冲策略表现占优，情绪平稳期权买方成本持续下降.pdf
2021-04-16 09:08:48
1013KB
20210409-财通证券-可转债每周交易分析：估值蹒跚不前，市场情绪企稳但尚未乐观.pdf
2021-04-15 13:02:28
2.22MB
本文提出了一种新的四维卷积递归神经网络方法，将多通道脑电信号的频率、空间和时间信息显式地整合在一起，提高基于脑电的情绪识别精度。
首先，为了保持脑电的这三种信息，我们将不同通道的差分熵特征转化为4D结构来训练深度模型。
然后，我们引入了由卷积神经网络(CNN)和带有长短时记忆(LSTM)细胞的递归神经网络(recurrent neural network)组合而成的CRNN模型。
使用CNN从每个4D输入的时间切片中学习频率和空间信息，使用LSTM从CNN输出中提取时间依赖性。
LSTM的最后一个节点的输出执行分类。
我们的模型在主题内分裂的SEED和DEAP数据集上都达到了最先进的性能。
实验结果表明，结合脑电的频率、空间和时间信息进行情感识别是有效的。
2021-04-10 21:01:34
1.75MB