基于一维卷积神经网络的电皮肤活动低/高唤起分类

快速识别唤起水平在各类应用中都非常重要，例如老年人的健康护理、运动员、驾驶员和学生等。因此，需要先进的方法自主分类活动水平。本文提出了三种基于一维卷积网络（1D-CNN）的架构，采用电皮肤活动作为生理输入。这些架构专为通过视频片段引起的低和高唤起区分而设计。第一种架构基于纯卷积架构，取得了81.95%的F1分数。其他两种架构（混合），基于1D-CNN-LSTM（长短期记忆）和1D-CNN-BiLSTM（双向LSTM）的表现优于第一种，分别获得了88.95%和91.02%的F1分数。此外，将这些方法与广泛使用的网络架构进行比较，如AlexNet、GoogLeNet、VGG16、VGG19和ResNet-50，分别获得了82.09%、83.14%、82.69%、83.95%和82.00%的F1分数。我们的架构相比于预训练架构提供了良好的性能和更短的训练时间。