融合记忆力和自注意力机制的脑电图情绪识别模型

来源：电子与信息学报杂志2026年第3期北京时间：

作者：刘善锐, 闭应洲, 霍雷刚, 甘秋静, 周淑姮

单位：1.南宁师范大学人工智能学院 南宁 5301992.南宁师范大学广西人机交互与智能决策重点实验室 南宁 530199

摘要：脑电图(EEG)作为一种非侵入式的神经信号获取手段，蕴含丰富的情感和认知信息，在脑科学研究与情感识别中具有广泛应用。当前Transformer在脑电图情绪识别中虽具备良好的全局建模能力，但其多头自注意力机制忽略了脑电图是由大脑活动产生的数据，会有遗忘效应，人在当前时刻会对其它时刻产生的状态产生遗忘，而目前的Transformer仅关注当前时刻与其它时刻相关性大小，忽略了遗忘效应，限制了模型在脑电图情绪识别中的作用。因此，亟需设计一种兼顾相关性大小与遗忘效应的脑电图情绪识别模型，该文提出一种融合记忆力遗忘机制和自注意力机制的脑电情感识别模型(MSA)，在兼顾相关性大小的同时注入符合人类遗忘机制的遗忘机制，在几乎不增加额外参数和计算量的情况下提升模型的性能。该模型首先利用聚合卷积神经网络(ACNN)聚合各通道的时空特征，再借助MSA结构建模全局依赖关系和记忆关系。再通过分类头得出最终分类结果。在DEAP二分类任务中，MSA模型在效价和唤醒维度上分别获得98.87%与98.30%的分类准确率；在SEED三分类任务中达到97.64%的分类准确率，在SEED-IV四分类任务中获得95.90%的准确率，均优于现有主流方法。实验结果验证了所提模型在多类别情感识别任务中的有效性与鲁棒性。

关键词：脑电图, 情感识别, 记忆力, Transformer, 脑机接口

基金资助：国家自然科学基金(62067007)，广西学位与研究生教改课题(JGY2023236)