报告题目：基于对比学习的跨个体脑电情绪识别方法
摘要：
情绪状态的准确可靠识别在人机交互研究领域具有重要的应用价值。因为脑电信号包含高时间分辨率的丰富情绪相关神经活动信息且难以伪饰，脑电情绪识别方法具有客观性好、可实时识别等优点。然而，情绪相关脑电响应个体差异大，对建立跨个体脑电情绪识别模型带来重大挑战。受到神经科学领域近年来有关个体间神经活动一致性的研究进展启发，结合机器学习领域对比学习方法的新发展，我们提出跨个体对齐对比学习算法(Contrastive Learning for Inter-Subject Alignment，CLISA)。 CLISA算法实现了与当前可见报道算法可比或更优的实时情绪识别性能，在包含15名被试的公开情绪脑电数据集SEED取得了86.4±6.4%的积极、消极与中性情绪状态的三分类准确率，在包含80名被试的清华情绪档案数据集THU-EP上取得了71.9±8.8%的积极与消极情绪状态二分类准确率。该算法具有良好实用性潜力，有望推动“即插即用”式的脑电情绪识别应用。
讲者简介：
张丹，清华大学心理学系副教授、博士生导师，清华大学脑与智能实验室兼职研究员。研究致力于运用脑电、近红外等脑成像技术开展情绪、言语等社会交互关键认知功能的神经机制研究，同时运用脑机接口、穿戴式神经生理测量技术，开展面向情感计算、人机交互、学习科学、精神障碍等领域的智能心理测量方法与应用研究。承担国家自然科学基金面上项目、国家社科基金重大项目子课题、国家重点研发计划子任务、教育部人文社科基金等20余项各类科研项目，以第一或通讯作者在Cerebral Cortex、NeuroImage、IEEE T-AC、IEEE T-BME、IEEE T-NSRE等期刊或会议发表论文40余篇，担任IEEE T-AC、Journal of Neuroscience Methods、Frontiers in Psychology等期刊编委。
时间：2022年5月20日(周五)下午3:00-4:00
腾讯会议：659-282-004
