لطفا منتظر بمانید ...
0% Complete
صفحه اصلی
/
ششمین کنفرانس بین المللی محاسبات نرم
A CNN-LSTM Framework for EEG-Based Emotion Recognition
نویسندگان :
Zahra Amiri
1
Azadeh Mansouri
2
1- دانشگاه خوارزمی
2- دانشگاه خوارزمی
کلمات کلیدی :
Emotion recognition،CNN-LSTM،DEAP dataset،deep learning،EEG
چکیده :
The advancement of deep learning architectures has facilitated the effective development of algorithms for EEG based emotion recognition. In this paper, we present a CNN-LSTM model, in which a 1D-CNN is employed to reduce dimensionality and extract meaningful features before passing them to the LSTM, leading to improvements in both computational efficiency and recognition accuracy. The selection of an appropriate window size for feature extraction, combined with the hybrid model architecture, provides superior recognition performance compared to using CNN or LSTM alone. Experimental evaluations on the DEAP dataset confirm the effectiveness of the proposed approach.
لیست مقالات
لیست مقالات بایگانی شده
رگرسیون تاوانیده در مدلبندی دادههای با ساختار گروهی
محمد کاظمی
تشخیص کلمات دستنویس فارسی با استفاده از شبکه عصبی ترکیبی CNN-BiLSTM
نیلوفر جعفری - عباس رمضانی
استفاده از الگوریتمهای یادگیری ماشین برای تشخیص دیابت
درسا سلیمانی - علیرضا رضوانیان
تحلیل مقایسهای روشهای محاسبات نرم در خوشهبندی دادههای بالینی اختلالات کبدی
محمد مهدی موذنی
Anti Soft Rings and Anti Soft Ideals in Rings
Rasul Rasuli
کاربرد الگوریتم ژنتیک برای برنامه ریزی واحدهای نیروگاهی در بازار برق با توجه به حضور بارهای پاسخگو
ایمان آقایی پور - بابک صفری چابک
Green Supplier Selection: A Fuzzy-TOPSIS Approach
Masoud Rahiminezhad Galankashi - Sharareh Ramezani - Mahdiyeh Moghadam Arjmand
توسعه مدل های جانشین مبتنی بر یادگیری ماشین برای بهینه سازی فرآیند جذب مستقیم دی اکسیدکربن از هوا
محمد یزدانی - علیرضا چاروقچی - شهره فاطمی - محمد فخرالسلام
تدوین مدل غیرقطعی شناسایی نقاط ورود بار آلاینده ناگهانی به درون شبکه آب شهری
مریم آقازاده - فریبرز معصومی - سیدناصر باشی ازغدی
مطالعه تجربی و عددی رفتار هیدرودینامیکی در یک بستر غلیانی
زهره رحیمی اهر
بیشتر
ثمین همایش، سامانه مدیریت کنفرانس ها و جشنواره ها - نگارش 44.7.1