尋找問(wèn)題，盡量具體
3.25
下載了多個(gè)網(wǎng)站2022-2023年幾乎全部的文章
網(wǎng)站包括如下
#### 總結(jié)一下整個(gè)的EEG情緒識(shí)別流程，方便后面針對(duì)論文去精確找到它們?cè)谀囊徊糠质褂昧耸裁捶椒?/p>
1. 輸入腦波信號(hào)，一般使用的是64通道位
2. 腦波信號(hào)的處理，預(yù)處理等等，直接將腦波信號(hào)轉(zhuǎn)化為矩陣（向量，張量，都可以），一般的方法是將每個(gè)通道的腦波都轉(zhuǎn)化成一個(gè)矩陣，設(shè)置矩陣的大小為M/M\*N，一共有P個(gè)通道，那么我們就能得到張量X，它的形狀是P\*M\*N
3. 有了這個(gè)張量之后，我們就可以使用一些網(wǎng)絡(luò)或者其他特征提取方法，最后將X flatten之后，在進(jìn)行一個(gè)softmax或者其他的操作，就能夠得到一個(gè)最終的分類的結(jié)果，這里說(shuō)的粗略點(diǎn)了，具體的也不是很懂，就這樣結(jié)束！
3.25
### arXiv-2023-1.pdf
閱讀時(shí)間：15：36-16：00（盡量）
>1. EEG采集過(guò)程非常容易受到人體其他生理信號(hào)和環(huán)境噪聲的干擾。因此，需要預(yù)處理和特征提取來(lái)暴露EEG信號(hào)中包含的情緒信息。預(yù)處理包括去除噪聲和干擾，例如眼電圖偽影、EMG偽影、ECG偽影、皮膚電流和工頻干擾。特征提取有助于揭示腦電信號(hào)中與情緒相關(guān)的信息，并有助于實(shí)現(xiàn)更準(zhǔn)確的情緒識(shí)別。
>2. 原因所在：GCB-net[12]將GCN與廣義學(xué)習(xí)系統(tǒng)相結(jié)合，在探索深層EEG信息的同時(shí)，在寬空間中搜索特征。RGNN[13]提出了兩個(gè)正則化子來(lái)更好地處理跨受試者的腦電圖變化。V-IAG[14]被提出用于處理EEG區(qū)域之間的個(gè)體差異和動(dòng)態(tài)、不確定的關(guān)系。
**盡管之前的工作試圖將GCN應(yīng)用于EEG情緒識(shí)別，但仍有一些邊界需要探索。**
##### 頻域特征
>功率譜密度（PSD、差分熵（DE）、差分不對(duì)稱性（DASM）和理性不對(duì)稱性（RASM）等。
##### GCN(圖神經(jīng)網(wǎng)絡(luò))
>有時(shí)間再補(bǔ)充
看了一遍，只是知道他們使用了PGCN，但是沒(méi)有找到在哪里使用了，解決了什么問(wèn)題等等，，要再看一遍
好吧，這里先記錄一下，先不看了，去看中文的先，英文的太亂了
### 知網(wǎng)2023-1.caj
name:基于多尺度卷積和混合注意力機(jī)制的情緒腦電識(shí)別研究
總結(jié)：在特征提取步驟中，對(duì)提取得到的功率譜密度采用多尺度卷積的方式對(duì)功率譜密度特征進(jìn)行提取，為了更好地表征提取到的特征信息，引入混合注意力機(jī)制，由通道注意力和空間注意力兩部分組成，使得網(wǎng)絡(luò)能夠有效對(duì)特征進(jìn)行識(shí)別
>在預(yù)處理這里，沒(méi)有過(guò)多的提到，默認(rèn)使用了一些簡(jiǎn)單的方法，分類也沒(méi)有做出多大改變，主要還是特征提取這里做出了一些改變。
### 知網(wǎng)2023-2.caj
name：少量通道腦電信號(hào)的實(shí)時(shí)情緒分類模型
自己做的數(shù)據(jù)集，根本不可信！
### arXiv-2023-2.pdf
name:用于腦電情緒識(shí)別的部分標(biāo)簽學(xué)習(xí)(PIL)
總的來(lái)說(shuō)：在SEED數(shù)據(jù)集或者其他數(shù)據(jù)集上面，測(cè)試人員對(duì)于自己的結(jié)果的標(biāo)簽，除了一些標(biāo)簽，例如開(kāi)心和傷心，這種比較明顯的，會(huì)存在很多標(biāo)簽有一個(gè)錯(cuò)誤或者偏差的判斷，這篇論文使用了機(jī)器視覺(jué)中對(duì)于部分標(biāo)簽學(xué)習(xí)PIL這一方法，并且使用了六種方法，來(lái)對(duì)標(biāo)簽重新進(jìn)行劃分，或者說(shuō)是重新來(lái)構(gòu)建標(biāo)簽，修正標(biāo)簽，最終提高的識(shí)別。
### arXiv-2023.3.pdf
name:融合時(shí)頻和空間表示改進(jìn)基于EEG的情緒識(shí)別-2023.3月 最新論文
這篇論文這么說(shuō)的：實(shí)驗(yàn)結(jié)果表明，我們提出的網(wǎng)絡(luò)結(jié)合了時(shí)頻域和空間域的多種表示，在公共數(shù)據(jù)集上優(yōu)于以前的方法，達(dá)到了目前最先進(jìn)的水平。
看完整個(gè)論文，發(fā)現(xiàn)這篇論文做的是一個(gè)二分類（這里不是很懂，論文中也沒(méi)有提及）
解決的問(wèn)題：正如上面圖中所示，在預(yù)處理部分并沒(méi)有創(chuàng)新，主要的創(chuàng)新是在特征提取方面
### 其他方法
### arXiv-2022-1.pdf
