来源：期刊VIP网 时间：
作者：施开波;杨勇;唐琳;
单位：成都大学电子信息与电气工程学院;成都大学计算机学院;
摘要：该文将SGC-Transformer网络的脑电情绪识别任务设计成创新性教学实验。提出一种用于脑电情绪识别的SGC-Transformer网络（SGCTNet），该网络可有效捕获和利用通道之间的关系。SGCTNet由多个SGCT块组成，每个块包含一个简单图卷积（SGC）和一个Transformer。具体来说，SGCT块首先通过SGC提取拓扑空间信息，然后使用Transformer根据拓扑节点的特征来学习节点之间的依赖关系，从而增强模型深度提取通道间关系的能力。此外，针对数据使用不充分问题，提出一种将历史收集的脑电（EEG）数据纳入训练集的数据整合策略，最终达到提高模型泛化能力的目的。该实验通过整合SGC和Transformer提高了系统的适用性，有助于增进学生对深度学习和脑机接口的理解。
关键词：脑电图;;深度学习;;脑机接口;;情绪识别
基金资助：四川省研究生教育教学改革项目(YJGXM24-C098,YJGXM24-C053);; 2024年成都大学省级普通本科高校创新性实验项目(川教函[2024]451);; 四川省2024—2026年高等教育人才培养质量和教学改革项目(JG2024-0922)
