Человеческие эмоции- это сложное психологическое явление, отражающее текущее физиологическое и психологическое состояние индивида. Эмоции оказывают значительное влияние на поведение, когнитивные процессы, коммуникацию и принятие решений. Однако на сегодняшний день методы распознавания эмоций часто сталкиваются с проблемами плохой производительности и ограниченной масштабируемости в реальных приложениях. В этой связи мы предлагаем новую модель распознавания эмоций на электроэнцефалограмме (ЭЭГ) VG-DOCoT, основанную на структуре глубокой свертки с высоким уровнем параметризации (DO-Conv), трансформаторах и вариационном кодировщике-генеративно-состязательной сети (VAE-GAN). Конкретно, в процессе предварительной обработки можно извлечь дифференциальную энтропию (DE) из сигналов ЭЭГ для отображения временной, пространственной и частотной информации. Для усиления тренировочных данных используется VAE-GAN для аугментации данных. Используется новый модуль глубокой сверки DO-Conv вместо традиционных слоёв свертки для улучшения производительности сети. Вводится структура трансформатора в сетевую архитектуру для раскрытия глобальной зависимости в сигналах ЭЭГ. С использованием предложенной модели проводится симуляция двухклассовой задачи на датасете DEAP, где достигли точность бодрствования 92,52% и эффективности 92,27% соответственно. Кроме того, на наборе данных SEED проводится тестирование трехклассовой задачи, включая нейтральные, позитивные и негативные эмоции, и получена средняя предсказательная точность 93,77%. Предложенный метод значительно улучшает точность распознавания эмоций на электроэнцефалограмме.

Распознавание эмоций; электроэнцефалограмма (ЭЭГ); глубокая свертка с высоким уровнем параметризации (DO-Conv);трансформатор; вариационный кодировщик-генеративно-состязательная сеть (VAE-GAN)