# 情绪识别

脑电基础模型REVE不再需要全量微调或整层池化特征才能做情绪识别。此前这类模型在跨被试任务上尚未稳定超过专用架构，且表征计算与存储代价高。该做法把第一层单个注意力头的注意力权重按试次聚合成通道间加权连接矩阵，再用无标签的对称性打分挑出信息量最大的头，在SEED-IV上以经典分类器取得42.13的平衡准确率，计算量比全层注意力池化少约176倍。

脑电基础模型REVE不再需要全量微调或整层池化特征才能做情绪识别。此前这类模型在跨被试任务上尚未稳定超过专用架构，且表征计算与存储代价高。该做法把第一层单个注意力头的注意力权重按试次聚合成通道间加权连接矩阵，再用无标签的对称性打分挑出信息量最大的头，在SEED-IV上以经典分类器取得42.13的平衡准确率，计算量比全层注意力池化少约176倍。