Multi-Output Regression zur integrierten Vorhersage von Valenz und Erregung in der EEG-basierten Emotionserkennung

Frühere Forschungen zur EEG-basierten Emotionserkennung gingen davon aus, dass Valenz und Erregung unabhängige Dimensionen sind, und erzielten Ergebnisse mit separaten Klassifikationsmodellen für jede. Unsere Studie zielt darauf ab, die Multi-Output-Regressionsmethode vorzustellen, um die korrelierte Valenz und Erregung kontinuierlich vorherzusagen. Wir verglichen die Vorhersageleistung insgesamt von drei Modellen: Single-Output-Regressionsmodell, Multi-Output-Regressionsmodell und Multi-Output-Regressionsmodell mit einer Kettenstruktur. Die Analyse ergab folgende Ergebnisse: 1) Die Leistung der Multi-Output- und Single-Output-Modelle war ähnlich, aber die Multi-Output-Methode ist nützlicher, da sie mehrere Ausgaben gleichzeitig erzeugen kann. 2) Vorhersagen und tatsächliche Werte für Valenz und Erregung waren ähnlich. Darüber hinaus, da menschliche Emotionen während bestimmter Intervalle nicht konstant sind, kann es Einblicke nahe der Wahrheit bieten, um Veränderungen im emotionalen Zustand zu verstehen.