基于生物信息融合的脉冲神经网络（BISNN）：提升脑电情感识别的新突破

研究人员提出 BISNN 模型用于脑电情感识别，性能优异，为相关研究提供新思路。

　　脉冲神经网络（Spiking neural networks，SNNs）以其丰富的时空动态特性，在基于脑电图（Electroencephalogram，EEG）的情感识别领域备受关注。然而，传统的模型训练方法往往无法充分发挥 SNNs 的潜力，给有效的 EEG 数据分析带来挑战。在这项研究中，研究人员提出了一种新型的生物信息融合脉冲神经网络（Bio-information-fused SNN，BISNN）模型，以提升基于 EEG 的情感识别能力。BISNN 模型将符合生物学原理的内在参数融入到脉冲神经元中，并由结构等效的预训练人工神经网络（Artificial Neural Network，ANN）模型进行初始化。通过构建生物信息融合损失函数，BISNN 模型能够在双重约束下同时进行训练。在基于 EEG 的基准情感数据集上进行的大量实验表明，BISNN 模型与最先进的方法相比，取得了具有竞争力的性能。此外，对各个组件进行的消融研究进一步阐明了该模型有效性和演化的机制，与先前的研究结果吻合良好。