グループ共鳴ネットワーク：学習可能なプロトタイプと EEG 感情認識の多被験者共鳴

要旨: EEG（脳波）に基づく感情認識は、被験者間の著しい個体差のため、被験者間設定において依然として難しい。既存の手法は主に被験者不変の特徴を学習するが、刺激に結びついたグループ規칙性が被験者間で共有されるという点を十分には活用していない。この問題に対処するため、個々の EEG ダイナミクスとオフラインのグループ共鳴モデリングを統合するグループ共鳴ネットワーク（GRN）を提案する。GRN は3つの構成要素から成る：帯域ごとの EEG 特徴のための個別エンコーダ、プロトタイプ誘導共鳴のための学習可能なグループプロトタイプの集合、そして小さな参照セットを用いて PLV（位相ロック値）/ コヒーレンスベースの同期を符号化する多被験者共鳴ブランチ。共鳴を意識した融合モジュールが、個別レベルとグループレベルの表現を統合して最終分類を行う。SEED および DEAP に対する被験者依存および LOSO（Leave-One-Subject-Out）プロトコルの下での実験は、GRN が競合ベースラインを一貫して上回ることを示し、アブレーション研究によりプロトタイプ学習と多被験者共鳴モデリングの補完的利益が確認された。