CausalCEM:一种针对多模态生理信号的自我改进型因果反事实情绪建模方法

《TRENDS IN FOOD SCIENCE & TECHNOLOGY》:CausalCEM: Self-Improved Causal Counterfactual Emotion Modeling for Multimodal Physiological Signals

【字体: 大 中 小 】 时间:2026年05月20日 来源:TRENDS IN FOOD SCIENCE & TECHNOLOGY 15.4

编辑推荐:

  Kexin Zhu|Jian Shen|Suran Xu|Bingkun Ren|Xiaolin Tan|Zhuohan Sun|Chenxu Guo|Haoran Gao|Yanan Zhang|Bin Hu•提出CausalCEM模型,用于模拟多模态信号中的复杂神经协同效应。

  
Kexin Zhu|Jian Shen|Suran Xu|Bingkun Ren|Xiaolin Tan|Zhuohan Sun|Chenxu Guo|Haoran Gao|Yanan Zhang|Bin Hu
  • •
    提出CausalCEM模型,用于模拟多模态信号中的复杂神经协同效应。
  • •
    通过一种新颖的因果驱动框架捕捉跨模态依赖关系。
  • •
    利用生理反事实约束生成合理的轨迹。
  • •
    实现具有高生理一致性的鲁棒情绪识别。
相关新闻
生物通微信公众号
微信
新浪微博
  • 搜索
  • 国际
  • 国内
  • 人物
  • 产业
  • 热点
  • 科普

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号