深圳大学梁臻教授作“一种基于脑电信号情绪识别的成对学习方法”的主题报告-k8凯发旗舰

 2022年，11月10日，在“情感脑机接口”的线上研讨会上，深圳大学的梁臻教授在研讨会上作“一种基于脑电信号情绪识别的成对学习方法”主题报告。

报告开始，梁臻教授对项目的开发动机做了一个介绍。首先对当前情感脑机接口研究中遇到的两个最重要的问题进行了一个说明。第一个问题就是个体差异性问题，当前要实现情感脑机接口的首要目的，必须是要实现跨被试的情绪识别算法；第二个我们要解决的问题就是包含噪声标签的问题，情绪存在很多主观性，很多人无法准确描述自己的情绪，导致脑电信号标签模糊.

接下来，梁臻教授介绍了当前的情绪识别算法研究情况，说明当前的算法都是基于dann框架实现，并对dann做简单介绍同时指出该框架的缺点：训练的信息在源域上过拟合。

之后，梁臻教授又介绍了当前解决噪声标签的主要方法：加入一个超参数代表噪声水平。但是噪声水平标签存在个体差异性，使用在跨被试模型中需要为每个人调参数，难以实现。

下面，梁臻教授介绍了他们研究所提出的模型架构prototypical representation based pairwise learning(pr-pl)。

首先，为了解决第一个主要问题，梁臻教授提出了prototypical representation，这是一个新引入的的表征参数。具体来说，使用一个特征提取器，将训练集和测试集输入到特征空间后做进一步优化。

梁臻教授指出每种情绪包含一种特征表征，将其计算出来，实现更好的样本特征的表征，解决了训练的模型在源域上过拟合的问题。

其次，为了解决第二个问题，提出pairwise learning，不直接用标签对应样本，通过学习样本配对关系，获得每个样本的标签。进一步说，基于标签信息和特征计算两两样本之间的关系。

随后，梁臻教授介绍了他们研究中不同实验方式的实验结果。

接下来，梁教授从可解释性的角度，对跨被试同会话的实验进行了可视化，表明模型有较高的分类性能。

最后，梁臻助理教授对整个研究进行了一个总结，他们研究所使用的方法分别对情感脑机接口的当前的两个主要问题提出了k8凯发旗舰的解决方案，并最终在公开数据集上取得了十分不错的识别准确率。

梁臻，助理教授，香港理工大学电子与信息工程系博士。2012年至2017年期间，先后于香港神念科技有限公司（neurosky）任脑电算法研究员，和香港教育大学脑神经科学与教育研究中心任高级研究员。2017年至2019年于日本京都大学信息学研究院任特聘助理教授。2019年4月加入深圳大学医学部生物医学工程学院，获评深圳海外高层次人才孔雀计划c类人才。主要研究兴趣包括情感智能计算，脑信号与神经解码分析，视觉与认知等研究。已发表论文20余篇国际期刊和国际会议论文，并于2018年ieee system，man and cybernetics society举办的bmi hackathon中荣获ieee smc winner奖。担任ieee transactions on neural networks and learning systems, neural networks, frontiers in neuroscience等多个期刊审稿人。