注意 / GitHub

yideng-Cedric/Cloud-Edge-EEG-Emotion-Recognition-under-Communication-Constraints-

In this work, we systematically quantify the impact of network reliability, temporal resolution, and compression strategies on EEG emotion recognition using controlled experiments on the SEED-IV dataset with a CNN–LSTM–Attention model.

github_yideng_cedric_cloud_edge_eeg_emotion_recognition_under_communication_constraintsEEGunknown6 labels0 benchmarks

数据资产概览

受试者—

通道—

采样率—

任务attention

许可unknown

可用性open

INTELLIGENCE COVERAGE

数据理解覆盖度

11.2

区分已验证事实、可推断线索与未知信息；覆盖度不是信号质量结论。

核心元数据未知0/5 个核心字段已知

原始信号未知暂无结构化证据

事件标记未知暂无结构化证据

行为标签可推断6 个 Agent 推断标签，需人工核验

受试者规模未知暂无结构化证据

论文关联可推断目录含论文元数据但尚未建立 Repository 关联

Benchmark未知暂无结构化证据

跨受试者未知暂无结构化证据

采集设备未知暂无结构化证据

优先补全动作

验证原始信号文件可访问性
解析并验证事件标记
人工核验行为标签
建立 Dataset–Paper 关联

知识图谱邻域

TASKAttention

PAPER暂无关联

ALGORITHMLDARFSVM

APPLICATIONAttention research

Benchmark 证据

“主任务”直接对应数据集分类；“衍生任务”与“代理 / 探索性”复用同一数据集构造，不应视为原始研究任务。