情感的定义

感情

1、心理学对于“情感”的定义。

心理学把情感定义为：“人对客观现实的一种特殊反映形式，是人对于客观事物是否符合人的需要而产生的态度的体验。”

2、对于“情感”定义的转换。

从这个心理学定义可以了解到：情感是一种主观体验、主观态度或主观反映。属于主观意识范畴，而不属于客观存在范畴。辩证唯物主义认为，任何主观意识都是人对客观存在的反映，情感是一种特殊的主观意识，必定对应着某种特殊的客观存在，问题的关键在于能否找到这种特殊的客观存在。

2

内涵

编辑

感情，是人内心的各种的感觉、思想和行为的一种综合的心理和生理状态，是对外界刺激所产生的心理反应，以及附带的生理反应。如：喜、怒、哀、乐等，感情是个人的主观体验和感受，常跟心情、气质、性格和性情有关。

感情

感是思维概念，是感觉，情是依托依赖。思想的相互依赖就是感情。感情是对一系列主观认知经验的通称，是多种感觉、思想和行为综合产生的心理和生理状态。最普遍、通俗的情绪有喜、怒、哀、惊、恐、爱等，也有一些细腻微妙的情绪如嫉妒、惭愧、羞耻、自豪等。情绪常和心情、性格、脾气、目的等因素互相作用，也受到荷尔蒙和神经递质影响。无论正面还是负面的情绪，都会引发人们行动的动机。尽管一些情绪引发的行为看上去没有经过思考，但实际上意识是产生情绪重要的一环。生活在这个多姿多彩世界中的人们有着七情六欲，有着喜怒哀乐，有着千变万化的情感生活。

查尔斯·达尔文在1872年写过一本《人与动物的感情表达》。达尔文认为，情绪帮助动物们适应环境。表达情绪和表现动物的身体特点有同样作用，例如，狗在地盘被侵略的时候愤怒狂吠，让敌人认为它比实际上更具有攻击性。达尔文认为，情绪大多有目的性，因此是自然选择的产物。

为了生存，人类必须探索环境（好奇）、吐出不小心吃的异物（恶心）、建立社会关系（信任）、避免伤害（恐惧）、繁衍（爱）、战斗（愤怒）、寻求帮助（哭泣）、重复做对自己有利的事（欢乐）。在原始人类的日常生活中，情绪可以让人类自动趋利避害，做出更利于生存的选择。尽管愤怒看起来没什么好处，但在原始部落里，可以让一个人被人害怕并建立起威望。羞耻和骄傲可以促使一个人维护自己的社会地位。

在社会生活上，情绪帮助我们：

与其他人交流感情（如婴儿不会说话也能成功交流）。影响其他人对我们的态度。表示善意（如不是出于喜悦，只是礼貌性的微笑）。

3

生物学解释

编辑

每个人在生活中都可能体会到各种各样不同的情感，不同的人在每一种情感方面也表现出很大的个体差异。本来，就主体存续而言，对肯定或否定的状态变化作出评价的主观的现象。但因为同时也产生身体的表现，所以生物学上就有可能对此进行研究，客观地考察感情的发生、经过的条件及其机制。感情状态变化较弱而持续的称心情（mood），比较强而且急剧的称激动或情绪（emotion，喜、悲、恐、怒、惊等）。因为激动有一定的统一过程，此时身体有显著变化，所以对人以外的许多动物也容易进行生物学的研究，亦即激动时。

感情

行为方面：

例如肌肉变得不能随意地运动，或不随意地哆嗦，出现平时看不到的混乱状态。

因此，作为生物学上研究激动的手段。对人除了进行表情、姿势等肌肉反应的观察外，还要测定呼吸、脉搏、血压、脑电波以及皮肤所产生的电阻等情况，最后一项特别灵敏，对激动现象的精密分析非常有效。这种现象被认为是因植物神经中枢和交感神经的兴奋，引起皮肤的分泌腺细胞（汗腺、粘液腺）的离子透性增大，以及由分泌物本身的电传导所致，所谓“测谎器”就是依据此理。

4

辩证关系

编辑

情感与价值的关系是主观与客观、意识与存在的关系，而后者是哲学的基本问题，因此价值与情感的关系问题也是价值理论和情感理论的基本问题。价值与情感是一个辩证统一的关系，主要表现为四个方面。

一、情感以价值为基础。

情感是人对价值的主观反映，尽管这种反映总会或多或少地存在着一些偏差，甚至还会存在着严重的偏差和完全的颠倒，但从总体上讲，情感的变化总是以价值为基础，主要表现为：情感的基本状态取决于价值的基本状态，情感的总体规模取决于价值的总体规模，情感的变化范围取决于价值的变化范围，情感的作用方式取决于价值的作用方式，情感的强度与方向取决于价值的大小与正负，价值一旦变化，情感迟早要发生变化。对于商人来说，互利互惠的经济往来是维持和发展彼此情感的客观基础，如果没有这种互惠性，商人之间的情感是不能持久的；对于政治家而言，政治上的相互支持、相互配合是维持和发展彼此情感的客观基础，如果没有这种互助性，政治家之间的情感是不能持久的；对于青年男女而言，工作和生活上的相互支持与配合是维持和加深爱情的客观基础，如果没有这种支持与配合，男女之间的爱情是不能持久的；朋友之间的友情主要取决于他们之间的利益关系，只有不断加深彼此的利益联系，其友情才会越来越深厚，如果彼此产生了根本的利益冲突，则其感情迟早会衰减下来，并最终会转化为仇恨。

感情

二、情感对价值的反作用

情感对于价值并不是完全被动的，可以产生一定程度上的反作用，主要表现为：

一是，情感可以在一定程度上阻止、压抑、诱发、转移、强化或诱导人对某种价值的需要，可以相对自主地选择生存环境和发展方向。人有时可以有意识地压抑自己对于某种价值的情欲，时间一长，这种情欲可能真的基本上消失了，人对这种价值的客观需要也确实发生了改变或转移；人通常愿意主动帮助那些主观感觉良好的人，并主动与之建立互惠互利的关系，同时回避那些主观感觉不好的人，甚至有意中断已经存在的互利互惠的利益关系；人有时在某一个地方工作或生活得不开心，就主动辞职或搬家，并能很快地适应新的生活和工作环境。

二是，人在情感的驱动下，可以对事物施加反作用力，并使之发生价值增值。这是人类与其它动物的根本区别。当然，这种反作用不能任意地和无限地施加，只能有条件地和相对有限度地施加，它在整体上受制于或服从于价值对情感的决定作用。人在情感驱动下所进行的价值创造活动必须严格地遵循基本的价值规律，并在其允许的范围内进行。

三、情感的相对独立性

人的情感产生并运行于大脑，这就不可避免地受到大脑内部众多因素的制约和干扰，从而在一定程度上偏离它所反映的价值，情感的这种偏离现象就是情感的相对独立性，主要表现为以下几个方面：

1、时间上的异步性 如果价值形式发生了变化，与之相对应的新情感需要迟滞一段时间才能形成与发展起来。也就是说，新情感的产生、发展与消失并不能与新价值的产生、发展和消失保持同步，需要迟滞一段时间。例如，当一个陌生人突然成为你的妹夫或连襟时，你对他的亲情通常不会马上建立起来；人通常会留恋或怀念那些已经离别或逝世的老朋友。

2、量度上的差异性

如果价值量发生了变动，情感的强度难以与之保持同步变化。例如，有些女性在遭到自己所钟爱男性的伤害或遗弃后，竟然不怎么恨他；相反，有些人仅仅因为几句话不投机，就大动肝火，事后又会悔恨不已。

3、方式上的局限性

价值关系的变化方式是无限的，而情感的反映方式却是有限的。人有时对于某些复杂的、隐含的价值关系及其变化产生不了情感，表现出麻木不仁的精神状态。例如，当受到某些有毒物质的伤害时，人往往感觉不到；当受到指桑骂槐的攻击时，人有时还蒙在鼓里；当购买商品受到他人“温柔”地宰一刀时，人或许还感谢他的“优惠”价格；当面临灭顶之灾时，人或许还在寻欢作乐。

4、机制上的异化性

某些特殊情感完全脱离了价值关系的客观基础，甚至与之背道而驰，这是由于人的情感机制产生了某种异化。例如，畸形宗教培养出否定自我、否定社会的宗教情感，精神类毒品产生怪癖、虚幻和不能自控的情感，过度的生理与精神刺激导致变态的情感，过度的肉体痛苦引发病人对于死亡的向往，民族仇视容易引发人对战争狂人的崇拜，极端的阶级斗争引发极端的阶级仇恨，等等。不过，情感的这种异化现象在总体上讲只是局部的、暂时的和相对的。

情感的相对独立性限制了人对于复杂价值关系的应变能力，限制了人对于复杂环境的适应能力，但这将有利于排除各种外部或内部因素对情感运行过程的干扰，有利于保持价值消费活动和价值创造活动的连续性和稳定性。

四、情感与价值存在复杂的对应性。

⑴它是一种多元变量的函数对应关系，而不是一种一元变量的函数对应关系。

⑵它是一种统计概率的对应关系，而不是一种个体动力学的对应关系。

5

意义

编辑

人的生存与发展要核心内容上就是对于价值的生产与消费，那么，情感对于人类的意义就是：人类依靠情感来识别价值、表达价值、区分价值、计算价值、选择价值和创造价值。

识别价值

感情

外界事物的不同类型的刺激信息分别通过不同的感觉器官反映到大脑中，使人形成了对于该事物的不同品质或属性的认识。人的感觉器官分为眼睛、耳朵、舌头、鼻子和皮肤等五大类，分别形成视觉、听觉、味觉、嗅觉、触觉等五种感受形式。价值是事物的一种特殊属性，它作为一种特殊的刺激信息依附于或隐含于视觉、听觉、味觉、嗅觉、触觉信息之中，并通过人的五类感觉器官作用于大脑，使人形成一种特定的感受形式：情感。总之，情感的感受就是人对事物的价值关系的主观感知过程，简而言之，人类就是通过情感感受来识别价值。

表达价值

随着社会分工的不断发展，人与人的相互合作越来越频繁和复杂，人与人之间的利益联系也变得越来越紧密和多变，这就要求每个人一方面通过情感表达来及时、准确而有效地向他人展示自己的价值关系，以便求得他人有效的合作；另一方面又通过识别他人的情感表达来及时、准确而有效地了解他人的价值关系，以便更好地与他人进行合作。人的情感表达主要有三种方式：面部表情、语言声调表情和身体姿态表情。

区分价值

数理情感学认为，情感与价值的关系是主观与客观的关系，人的情感不管多么飘忽不定，都可以找到它的价值对应物，情感的任何变化都可以从价值关系的变动中找到它的客观动因，情感的不同表达模式都对应着价值的不同变化方式，人类通过不同的情感模式来反映各种事物的价值关系及其变化，人的情感模式复杂多样，可以根据它所反映的价值关系的运动与变化的不同特点进行分类。例如：根据价值的正负变化方向的不同，情感可分为正向情感与负向情感；根据价值的强度和持续时间的不同，情感可分为心境、热情与激情；根据事物基本价值类型的不同，情感可分为真假感、善恶感和美丑感三种；根据价值的目标指向的不同，情感可分为对物情感、对人情感、对己情感和对社会情感等四大类。

计算价值

人通过价值观来识别事物的价值率，通过情感来识别事物的价值率高差，再通过情感的相应运算方式来计算各种客观事物之间的价值联系，然后，通过意志的相应运算方式来计算自己的相应行为所产生的价值，并选择出最佳的行为方案。

内在动因

由于情感是人对于价值关系的主观反映，那么情感的进化在根本上起源于取决于价值关系的进化，即人类价值关系的进化是推动着人类情感的进化的内在动因。

人类价值关系的发展过程既有缓慢的量变，也有快速的质变，它是一个漫长的、曲折的、自然的、分层次、分阶段的进化过程，那么人类情感的发展过程也必然既有缓慢的量变，也有快速的质变，也是一个漫长的、曲折的、自然的、分层次、分阶段的进化过程。把情感看成是人类的独有物是不科学的、唯心的，把情感简单地分为本能式情感和能动式情感两大类也是机械的、教条的。

基本阶段

统一价值论认为，人的价值关系的进化过程可分为五个基本阶段：单因素价值、多因素价值、可变性价值、多样性价值、多层性价值，因此人的情感也相应地经历五个自然进化阶段。

①趋性情感。这是一种最简单的价值评价方式，很低等的生物只能对具有单一物理化学特性的价值关系进行评价，并产生一种选择倾向——逃避或趋近，或者以光为标准，或者以热为标准，或者以水为标准，或者以土为标准等。因此，趋性情感已经形成了对于“单因素价值”的选择倾向，因而也称之为“单因素情感”。如草履虫对于草酸的趋近。

②刚性情感。这是一种较为简单的评价方式，动物能够通过若干形式的无条件反射来感知具有复合的物理化学特性的价值关系。不过，这种情感需要经过长期进化才能建立起来，而且不容易改变，

现如今中国已存在脑电波害人行为，在江苏的苏州与盐城的滨海县已有不下近百人知道如何进行脑电波交流，事情的原始是在2001年一点一点秘密渐浮出水面，会感觉在某处有人盯着你，那时我十六七岁，上学的路上会有打扮的衣着鲜亮的年轻男子出现，更让人惊奇的是每次几个人中我眼中只有一人直射眼底，每每觉得空气时间似乎都冻结了，自己突然间失去了思考能力，变得愣愣的，就这么穿过去，上高中时我的生活习性竟在流传，比方说我骑车快，学校周围说我骑车疯疯傻傻的。后发展成老师也关注起来，在课堂上含沙射影，高一时我的校外的活动总是被老师在课堂上含沙射影的说出来，课堂上的活跃也被说成哗聚取宠，等等，高一快结束课堂上公然骂出，事情发展愈烈高二时更多老师参与其中。在学校莫名的会头痛，心底都疼的无法形容，能叫你饭都吃不下，更别谈学习了，课堂上不久就发现老师讲的大脑接受不到声音的意思，从耳边划过，抓不住。在家里和妈上浴室洗澡，对面的窗外会有灼热的眼神盯着你，后被感觉被灼的痛起来。后晚上躺在床上心底会涌起阵阵波动，再后来洗澡时感觉身下有热流，每次都是。等等。学校最终再老师与学生流传起哄下退了学。作为医生的父亲认为我得了纵情妄想的精神分裂，到南京脑科医院也是这结果。吃了一年药，再上学，没几天那些心底的触动再次产生，我那时已经知道这男人的存在，立即回家又服一年药，在上学正当我学习进步时，心底的骚扰再次出现，渐发展课堂上想睡觉起来，老师讲我打瞌睡，再而整天头疼起来，每天中午回来吊脉络宁，可刚吊完到学校还一个样头照样疼。这样连吊了两星期，还一样，没效果，我知道我的学习生涯到此没法再进行，成绩又大幅度下降。而我遭遇的一切家人没人相信。又过了两年家人好不容易同意我外出，就在我外出的几个月时间了解了秘密的真相，而我那时又被毁的面容枯槁，眼神失彩。形体消瘦。父母认为我病反了。再次强压我吃药，而那时我已知道在暗中毁灭我的人并没有就此罢手，而是找来更多得男人女人进行对我报复与亵渎。连我的性生活吗都看在眼里，但他们把我的感觉给控没了，我没丝毫感觉。父亲也不明其中的道理，婚姻只持续不到两个月，就因为夫妻不和谐最终死在了女婿的刀下。如今我的二度婚姻也是如此，幸好丈夫能容忍，去年怀孕时他们对我痛下杀手，因为自从2008年从苏州回到滨海，一帮人知道我知真相，曾想去北京试图揭露秘密正想，因为我知道这对国家大有用处，可被对我毁灭性的流下体与能一个月让我睡不到十小时觉，只有留在家任由家人摆布，而这些人一怕我告诉国家，又有对我个人的记恨，起初每天的花言巧语，让我一次次认清真面目。人越聚越多，最终当年知道真相的都来了，连老师也参与了其中。最终男人利用女人，女人的利用男人，通力合作对我进行各方免得试探与抱复，每天都被控制之中，白发都长了起来。但他们很狡猾让家人一点看不出破绽，长达六年时间的控制漫骂，我的反抗，我一天一天的成长，认清了事情的原委，具体人我也清楚，这些人也怕真相揭露负法律责任，当我怀孕时对我进行彻底的毁灭，现如今长达近三个月男人女人摸下体乳头屁股腿，性欲的传递，每天还对我头的控制，与睡眠的控制，部分人不满足想彻底用他们话讲处女之身，因为他们一直控制我的性感觉，而我一直没有，连抚摸的感觉都不曾有，而现在由这些男人女人传给我，可惜我被毁了这么多年，传递让我一点欲望都没有，最终男人女人合作把动情之感传到我身上我都没欲望，有了现在几次短暂的性快感传递，可分上下半身两次进行，下半身传过来，后我渐摸索集中思想能抓住感觉思维想象往上，似有两更细流往上传递汇聚直至消失，上半身他们试图让我摸索方向不对，当我躺下时故意让我一会就在无意识防被状态，却有主观意识感受，在情节设计让我切身感受到胸口间的快感传递，同时心口似放出一到电流直射喉咙，我吃了一惊，在喉部发出声音时彻底醒了，早些年就知道这些人能把声音传递到我心底，能清楚的知道在讲什么，也能在大脑，鼻腔口腔，食道连至心底的部位。我发觉情感的传递离不开心脏，有时对方的思想是由心脏直接串起直达大脑，大脑的传递如在睡眠时有电波从太阳穴周围，扩展到耳鬓，人较多时能一起带动你进入仙境，你能感觉自己在飞脚不着地，想飞多快就多快，想下想上都行，你想停止，那些人同样可带动你脑子，感觉大脑在电波中浮动。其实感觉很多就像网站上公布的如下　控制人几星期不睡觉而不觉得困；控制人使人昏睡，特别是在读书、考试、单位工作时，这样好让人读不好书，考不好试，成为废人，将来找不到工作，达到秘密迫害的目的；　控制让人长期呕吐，不明真相的人到医院去看病，查不出原因，耗尽家产；控制让人头上任何部位疼痛，让人胸口闷和巨痛，　控制生植器兴奋，也可控制生植器无论如何刺激都没用，让男的阳痿女的性冷淡；让人以为是幻听幻视， 可让人在恶臭的环境中闻到香味，在空气清新的地方闻到臭味。

　　①能知道你每时每刻在想什么、干什么，思想、记忆、行为无任何秘密可言

　　②能通过大脑与你互动对话（还可提取你的记忆并进行语音模仿）

　　③能强行给你造梦，并控制梦境

　　④能让你闻到它们制造的各种气味

　　⑤能在强刺激下把它们的意思（志）传递给你，并控制你的思想和行为

　　⑥能通过各种方法对你的精神和肉体进行折磨

脑电波的传递距离也跟远近有关，最远大约五十公里将近六十公里，越远声音越小。多远能听不见我至今不太清楚。

脑电数据可以诊断脑疾病、研究认知和情绪过程、脑机接口、生物反馈。

1、诊断脑疾病：脑电波形可以揭示某些脑部疾病的特征，如癫痫、脑卒中等。

2、研究认知和情绪过程：脑电数据可以反映出人类在不同的认知和情绪状态下的脑活动，如注意力、记忆、情感等。

3、脑机接口：脑电数据能够被用来控制外部设备，比如轮椅、假肢、游戏等。

4、生物反馈：脑电数据可作为生物反馈训练的一部分，通过训练来改善自我控制、放松等方面，以改善一些症状，如焦虑、失眠等。

领域自适应：

多用于文本分类，属于直推式迁移学习，直推式迁移学习定义：给定一个源域和相应的学习任务，一个目标域和相应的学习任务，直推式学习旨在利用源域和目标域中相同的知识来提高目标域中的目标预测函数。

《基于深度学习的体态与手势感知计算关键技术研究》

基于深度学习的肌电手势识别：

并不需要任何附加信息或手工设计的特征提取器，基于高密度肌电信号（HD-sEMG），使用二维阵列电极采集的肌电信号，使得肌肉活动产生的电势场在时间和空间上的变化可被多个紧密分布在皮肤表面的电极同时记录下来。HD-sEMG中的肌电信号描绘了位于电极覆盖区域内的肌肉活动的时空分布，同时HD-sEMG的瞬时值呈现了在特定时间点肌肉活动所涉及的生理过程的相对全局的测量。瞬时HD-sEMG内部可区分出不同手势模式，可以将采集到的HD-Semg描绘出电势在空间的分布，其对应的热度图即为肌电图像，肌电图像中的像素数（分辨率）由其采集设备中的电极阵列决定，即电极的数量及其电极间距离（例如，具有16行8列的电极网格可W采集816像素的肌电图像）。

主要是将原始肌电信号值从（-1，1）映射到（0，255），即，其中x是原始肌电信号，I是肌电图像。构建一个8层CNN结构，网络的前两个卷积层用于提取公共的底层特征，作者发现瞬时肌电图像在不同的空间位置上表现出不同的视觉特征。在不同手势中，肌电图像在中部偏下以及顶部的条状区域上亮度较强，提出在3，4层加入局部连接结构（受人脸识别前沿工作的启发），因为局部连接层在不同空间位置上的卷积模板的权重不共享，可以更好的提取上不同位置的特征。并依据单个窗口内每帧识别出的手势标签中所占比例最高的标签，因为上述实验仅适用于肌电幅值较大的数据进行训练和测试可以获得较高的手势识别准确率，因此需要对肌电信号采用全波整流和低通滤波（全波整流和低通滤波是被广泛采用的肌电信号幅值估计方法），以获取更好的肌电信号。

基于深度领域自适应的肌电手势识别：

当训练集和测试集的肌电信号来自不同的采集会话的情况。因为电极位移，肌肉疲劳，电极和皮肤之间的阻抗变化等因素的干扰，肌电信号与采集会话高度相关，已经训练好的手势分类器直接被应用在新的会话时通常准确率较低。因为肌电信号的分布在不同的会话之间变化很大，所以来自不同会话的基于瞬时肌电信号的手势识别可以相应地表示为多源领域自适应问题。

当标定数据未标记时，该论文采用自适应批量归一化（AdaBN, Adaptive Batch Normalization）对手势分类器进行适配。假设用于区分不同手势的知识存储在每个层的权重中，AdaBN不需要适配数据的手势标签，而是随着无标签的适配数据的增加，逐步更新少量的网络参数。给定输入U，BN将其转换为V，其中第i个输入特征的转换公式为：

l在训练阶段，每个BN层对于每个源域的均值统计量和方差统计量是独立计算的。因为训练阶段的BN对每个数据批次独立计算统计量，所以只需要确保每个数据批次中的样本来自同一个会话。

l识别阶段，对于给定的未标记数据A，AdaBN执行正向传播算法，更新参数。

该方法准确率：单幅305%，150毫秒窗口-392%，而另一种算法特征集（150毫秒窗口）和线性判断：341%。

随机选择未标记的测试集的子集（01%，05%，1%，5%，10%）进行深度领域自适应，之后再评测整个测试集上的手势识别的准确率。最后观测到大约5%的适配数据后准确率达到巅峰，适配数据20000帧，在CSL-HDEMG的2048赫兹的采样率下大约10秒。

并且适配算法并不需要观测到所有种类的手势，从27种选择5个和13个进行适配，最终结果分别是313%（732%），346%（814%）另一种方法是肌电地势（sEMG topography），定义为肌电信号在时间上的二维平均强度图，其中每个像素是某个通道的肌电信号在特定时间窗口内的均方根，用于手势识别。

《Revealing Critical

Channels and Frequency Bands for Emotion Recognition from EEG with Deep Belief

Network》

在基于脑电信号的情感识别任务中，多通道脑电信号存在不相关的脑电信号，这不仅会引起噪声，还会降低系统对情感识别能力。该论文提出一种新的深度信念网（DBN）来检查用于情感识别的关键EEG信道和频段。

主要从行为和生理反应进行情感分析，因为EEG与表情手势相比，具有较高的准确性和客观评价性。该论文采用ESI神经扫描系统，从62通道电极帽以采样率为1000Hz记录脑电信号。每个实验有15个测试，每个测试包括15s提示，45s测试及反馈，5s休息。盖论文一共评价了30个实验。

先下采样原始脑电数据到200Hz，之后使用03Hz到50Hz的带通滤波器滤除噪声和伪影，之后采用之前提出的微分熵（differential entropy）特征[1][2]，对于固定长度的脑电信号，微分熵相当于一定频段内的对数能量谱。此前已经证明微分熵在低频和高频能量之间具有识别EEG模式的能力，因此在五个频段计算微分熵特征（δ：1-3Hz，θ：4 – 7Hz，α：8-13Hz，β：14-30Hz，γ：31-50Hz），使用256点的短时傅里叶变换，并将特征归一化到0-1。

利用五个频段的去噪后的62通道的特征作为输入，DBN达到8608%的准确率和834%标准差，本论文通过分析经过训练的DBN的权重分布来检验关键通道和频带，权重对于识别情感模型是很重要的，因为对于学习任务贡献较大的神经元权值将增加，不相关的神经元权值趋于随机分布，图1为权重在第一层神经网络训练后的分布，可以看出主要在beta和gamma波的权重最大，这说明此频带包含更重要的鉴别信息。

  从图2中我们可以看出侧颞区和前额脑区相比其他脑区在beta和gamma频带更容易激活。因此可以得出结论，在识别积极，中性和负面情绪时侧颞叶和前额叶通道是关键通道，beta和gamma是关键频带。

如图3所示，依据脑区中权重分布的特点，设计了四种不同的电极放置剖面，包括4通道，6通道，9通道和12通道，其中4通道的最佳平均精度和标准差为8288%/1092%，而所有62通道的最佳平均精度和标准差为8399%/1092%，这说明四个相对电极阻轮廓（four profiles of relative electrode sets）FT7,T7,FT8,T8是辨别情感特征的电极。

[1]Duan R N, Zhu J Y, Lu B L Differential entropyfeature for EEG-based emotion classification[C]// International Ieee/embsConference on Neural Engineering IEEE, 2013:81-84

[2]Zheng W L, Zhu J Y, Peng Y, et al EEG-based emotionclassification using deep belief networks[C]// IEEE International Conference onMultimedia and Expo IEEE, 2014:1-6

脑电论文（大脑解码：行为，情绪）：

Real-time naive learning of neural correlates in ECoG Electrophysiology

神经实时朴素学习相关的皮层电生理

地址： http://wwwijmlcorg/papers/40-L0174pdf

A Deep Learning Method for Classification of EEG Data Based on MotorImagery

基于运动表象的脑电数据分类的深度学习方法

地址： http://wwwbiospburu/faculty/departments/vnd/pdf/journal%202015/moskvichpdf

Affective state recognition from EEG with deep belief networks

基于深层信念网络的脑电情感状态识别

地址： https://wwwcsebuffaloedu//DBGROUP/bioinformatics/papers/Kang_BIBM_2013pdf

A Novel Semi-Supervised Deep Learning Framework for Affective StateRecognition on EEG Signals

一种用于脑电信号情感状态识别的半监督深度学习框架

地址： https://wwwcsebuffaloedu//DBGROUP/bioinformatics/papers/cameraready_xwjiabibepdf

Revealing critical channels and frequency bands for emotion recognitionfrom EEG with deep belief network

用深层信念网络揭示脑电情感识别的关键通道和频带

地址： http://bcmisjtueducn/~blu/papers/2015/9PDF

EEG-based emotion recognition using deep learning network withprincipal component based covariate shift adaptation

基于深度学习网络的主成分协移自适应的脑电情感识别

地址： http://europepmcorg/backend/ptpmcrenderfcgiaccid=PMC4165739&blobtype=pdf

Classifying EEG recordings of rhythm perception

节律性脑电记录分类

地址： http://wwwterasoftcomtw/conf/ismir2014/proceedings/T117_317_Paperpdf

Using Convolutional Neural Networks to

Recognize Rhythm Stimuli from Electroencephalography Recordings利用卷积神经网络识别脑电记录中的节律刺激

地址： http://wwwiticsuni-magdeburgde/~stober/publ/nips2014pdf

Convolutional neural network with embedded Fourier transform for EEGclassification

基于嵌入傅立叶变换的卷积神经网络在脑电信号分类中的应用

地址： http://pdfssemanticscholarorg/9a19/a59f5e8f3494e97c70eecd06003e5d1f4eb7pdf

Continuous emotion detection using EEG signals and facial expressions

基于脑电信号和表情的连续情绪检测

地址： https://ibugdocicacuk/media/uploads/documents/soleymani-fu-icme14_camera_readypdf

‘Deep Feature Learning for EEG Recordings

脑电记录的深部特征学习

地址： https://wwwresearchgatenet/publication/283986303_Deep_Feature_Learning_for_EEG_Recor

异常分类论文（阿兹海默症，癫痫，睡眠阶段检测）：

Classification of Electrocardiogram Signals with Deep Belief Networks

基于深层信念网络的心电信号分类

http://wwwresearchgatenet/publication/293781533_Classification_of_Electrocardiogram_Signals_with_Deep_Belief_Networks

Modeling electroencephalography waveforms with semi-supervised deepbelief nets: fast classification and anomaly measurement

半监督深信网模拟脑电波形：快速分类和异常测量

http://xueshubaiducom/swd=paperuri%3A%28cae246865d395d67f463268e8079cab4%29&filter=sc_long_sign&tn=SE_xueshusource_2kduw22v&sc_vurl=http%3A%2F%2Fwwwncbinlmnihgov%2Fpmc%2Farticles%2FPMC3193936%2Fpdf%2Fnihms322259pdf&ie=utf-8&sc_us=14353019482626292792

Deep belief networks used on high resolution multichannelelectroencephalography data for seizure detection

用于癫痫检测的基于高分辨率多道脑电图数据的深度信念网

地址： https://wwwknexusresearchcom/wp-content/uploads/2015/07/AAAI_JT_Turnerpdf

Deep Learning in the EEG Diagnosis of Alzheimer’s Disease

深层学习在阿尔茨海默病脑电诊断中的应用

http://vigirmissouriedu/~gdesouza/Research/Conference_CDs/ACCV_2014/pages/workshop3/pdffiles/w3-p7pdf

Sleep stage classification using unsupervised feature learning

基于无监督特征学习的睡眠阶段分类

https://wwwresearchgatenet/publication/235943204_Sleep_Stage_Classification_Using_Unsupervised_Feature_Learning

Classification of patterns of EEG synchronization for seizureprediction

癫痫发作的脑电同步模式分类

地址： http://yannlecuncom/exdb/publis/orig/mirowski-cneuro-09pdf

Recurrent neural network based prediction of epileptic seizures inintra-and extracranial EEG

基于递归神经网络的颅内外脑电癫痫发作预测

EEG-based lapse detection with high temporal resolution

基于脑电信号的高时间分辨率检测

地址：

http://wwwresearchgatenet/profile/Richard_Jones21/publication/3039266_EEG-Based_Lapse_Detection_With_High_Temporal_Resolution/links/5457ab030cf2bccc491112ed

计算机理论界所开展的针对各种生理指标方面的“人工情感”方法，主要存在如下危机根本无法解决：

（1）要建立情感的识别系统和表达系统，就必须对情感的基本类型进行划分，以确立情感的基本模态。然而，情感的基本类型究竟应该根据什么原则和标准来划分，有何理论根据？

（2）对于同一类型情感，无论是情感感受强度，还是情感表达强度和情感生理唤醒程度，都可以采用不同的生理指标进行计算和测量，究竟应该选用哪一个生理指标为主要尺度呢？

（3）对于同一类型情感采用同一个生理指标进行测量和计算时，由于受到许多环境因素、人体其它生理因素和精神因素的影响，其测量值的差异性和波动性如何消除。

（4）不同的情感类型所产生的不同生理指标之间往往没有通约性，那么，不同类型的情感之间如何进行相互比较和统一度量？

（5）人的情感内容和感情方式是极为丰富的，各种情感之间相互渗透、相互作用、相互转化，往往有着相当复杂而且变化频繁的关系，那么对于情感的计算就需要真正天文数字般的情感数据资源库，还需要海量的计算模型与计算工作量，而人脑为何并不需要？

（6）有些复杂而微妙的情感，如怀疑、犹豫、迷茫、怜悯、尴尬、自我表现等，其生理指标的变化往往极其微弱而且短暂，对于它们的计算和测量如何进行？

（7）有些情感（如“对敌人的仇恨”与“对亲人的生气”）往往具有相同或相近的生理指标，但两者所表达的价值内涵往往相差很大，如何进行区别？

（8）情感的感受强度和表达强度与各种生理指标的变化量度通常不是成线性函数关系，大部分都是呈非线性的、不连续的、模糊的、概率性的、波动的函数关系，因此采用生理指标的变化量来计算情感的感受强度和表达强度，如何消除其误差性和不确定性。

（9）假如能够计算出人的情感感受强度、表达强度和生理唤醒程度，这些计算值又代表了什么样的客观价值意义？如何使电脑或机器人具有和谐、友好、灵活的人机界面？总之，对于情感的感受强度、表达强度和生理唤醒指标的计算实际上只是对于情感的表面形式的计算，而不是对于情感的客观内容的计算，因此不可能实现真正意义的“人工情感”。 为了实现用人工的方法和技术来模仿、延伸和扩展人的情感的目的，就必须首先建立情感的数学模型，实现对情感的内部逻辑关系及其运动变化进行严密的逻辑推理与精确的数学运算。然而，针对情感能否进行精确计算和人工化，理论界存在激烈的争论，具体体现在三个方面。

可能性与不可能性

一种观点认为，人的情感如同人的智能一样是可以进行计算，并在此基础上可以实现情感的人工化或数字化。协同学领袖哈肯曾经预言，“从长远的观点看，有希望制造出以自组织方式执行程序的协同计算机来模拟人类智能”，他系统阐述了他的脑活动和认知的协同学研究结果。另一种观点认为，情感具有不可计算性，人工情感是不可能实现的。他们认为，有些问题是可计算的，即对于这些问题存在可解的算法；但是还有一些问题不是可计算的，即对于这些问题不存在可解的算法。例如，停机问题是不可计算的，程序验证问题是不可计算的，检查一个图灵机是否接受一个给定的输入符号串是不可计算的，“波斯特对应问题”是不可计算的，等等。他们认为，认知的本质是计算，无论是人脑还是计算机，都是操作、处理符号的形式系统，而信息的收集、存储和处理的过程都是算法可计算的，因此认知和智能的任何活动都是图灵意义上的算法可计算的。与现代计算机不同，大脑不是一种通用图灵机，大脑的每一部分都是特异化的，并且是在相互作用中完成整体心智活动的，体现出一种内在的、依存性的、整体自涌现的形式，难以难以计算。哥德尔严格区分了心、脑和计算机的功能，他认为，心脑同一论是我们时代的偏见，心的可计算主义是应当批判的，假定存在超过人心的机器我们能证明吗？托尼·霍尔说：“大脑思维和计算机算法，乍一想这两者有相似性，但我们对大脑了解得非常少，基本结构都远远没有弄清楚。机器是不可能取代大脑的。”他说，比如编程，人的灵感机器没有，机器只能用来排错，机器只是助手。他们认为，欲望、情感和意志是具有主体意识的人类本身专有的，一旦它们脱离人就不存在了或者说变成假的了，情感只有是真时才能起作用，不可想象一台机器会自发地产生那些根本不属于它的特性；情感是不能制造的，模拟永远是假的；情感与人的社会性需求密切相关，电脑不具有任何社会性需求，因而不可能具有真正的情感，具有人类情感的电脑就象永动机一样永远不会实现，除非它具有独立意志。

必要性与不必要性

一种观点认为，人工智能基础理论已经处于相对停滞的状态，人工情感是人工智能必须面对的课题，是人工智能进一步发展的瓶颈，人机界面的人性化、程序运行的自主化、智能资源的效率化等都需要立即解决情感的可计算问题，解决人工情感的一系列基础理论问题和具体技术问题，人工情感已经具有了很迫切的社会需要。另一种观点认为，人工情感是科学研究上一种多余的“奢侈”。人类思维是一个巨大的系统工程，其基本的流程至今还没有完全研究清楚，很多内容甚至不能用语言表达，但肯定不会像二进制那样简单。人脑含有大约1000亿个神经元，每个神经元还有大约1万个连接，在如此复杂且高效的系统中，信息的处理远非人类想像得那么简单，情感型电脑对硬件和软件有着极为特殊的要求，人类在21世纪时的技术手段和思维高度远没有达到要求，对情感进行计算几乎是不可能的，即使能够部分做到，也将会付出高昂的代价，人机交互技术水平已经基本满足了人们的要求，指望某一种技术使得智能化或是交互形式在便捷性上有巨大的发展，基本上是不现实的，也是没有必要的。这种观点还认为，还没有形成对于情感计算机强烈的社会需求，如果技术的高度超过了社会的需求，其结果要么是技术本身被人们所遗弃，要么是技术的存在使人类的本性退化。智能化的最终目的是延伸人的控制力，但智能化似乎进入了绝对化的发展空间，大多数研究人员忽视了两个关键问题——智能化的效果和智能化的成本。技术的成本确实是一个无法回避的问题，“如果智能化的成本在某一时刻超过了人力资本，那么还会有谁去用智能设备呢？”

现实性与非现实性

一种观点认为，人工情感是即将到来的现实。克里克认为：“现在是可以用科学的方法研究意识的时候了，人的意识和精神活动完全由神经细胞、胶质细胞的行为和构成方式、以及影响它们的原子、离子和分子性质所决定，它们完全由物理化学规律支配”。生物计算机的出现，使人工情感变得越来越现实化，科学家发现了分子之间自发的组成具有计算能力的系统的方法，最可能成为生物计算机运算单元的是DNA（脱氧核糖核酸）或RNA（核糖核酸）。另一观点认为，人工情感是件遥远的事情。计算技术发展到今天，对大脑结构和思维本质的无知成了人工智能的“音障”，它们的阻力像激波一样难以突破。21世纪初对于大脑如何工作还没有一个像样的理论基础，里克·雷斯特认为，大脑太复杂了，没有人知道它怎么活动，谈不上模拟大脑的算法，“假设有可以模拟大脑算法的机器，这样的机器有智能和意识吗”。 张亚勤和微软亚洲研究院的两位副院长张宏江、沈向洋在合写的文章中说，一些科学家提出，“人类思维的规则几乎是不可能被完全破译的，所以机器所能够接受的永远都只是残缺不全的‘人的智能’，再强大的机器也不可能再现人类思维的复杂机制。” 由于大脑结构的复杂性、意识的复杂性、认知过程的复杂性、常识知识结构的复杂性等等，也由于意识最重要特征是它的意向性、自明性或自指性，彭罗斯认为这些特征显然是超越逻辑的，是超越算法的。人的情感思维与电脑的智能思维是两种完全不同的思维方式，电脑的最基本构成是处理器、内存和总线结构，它们只能对电路的开关作出反应和发生作用，这就决定了电脑的“思维”方式的有限性；电脑不存在意识，没有心理平衡问题，无法建立主体价值观，不能自动对所有的感受进行过滤，以便处理有用和必要的事情；人脑绝不是单纯处理0和1的装置，它直接接受和处理模拟信号，它的记忆是经验块堆的建立、关联和组合，如果电脑实现人脑功能，它必须在结构和工作机理上彻底翻新；人不会制造完美，大自然则能，人脑是目前物质的最高实现形式，人类只能实现人脑与电脑的交互，根本不可能制造具有真正的人脑思维方式的电脑；人是感性和理性的矛盾统一体，未来电脑可以让我们的社会数字化，但我们却难以让它感性化。总之，电脑距我们人脑还有遥远的距离，中间似乎隔着许多不可逾越的鸿沟。 人工情感包括三个方面：情感识别、情感表达与情感理解（或情感思维）。世界各国的科学家在情感识别与情感表达两个方面所取得的成果非常显著，但在情感理解或情感思维方面却收获甚微。其根本原因在于，到目前为止，没有一个科学家能够真正了解情感的哲学本质及客观目的是什么，没有创立一个全新的、科学的、数学化的情感理论，没有建立一个真正的情感数学模型。

21世界初的人工智能实际上只是人工认知，它是狭义的人工智能。知、情、意是人类三种基本的思维形式，那么广义的人工智能应该包括人工认知、人工情感和人工意志三个方面，因此要想由狭义的人工智能朝向广义的人工智能发展，就必须首先解决一系列有关情感的基本理论问题：什么是情感？情感的客观目的是什么？认知与情感到底有何区别？等等，而这些深层次的理论问题是当今的哲学、思维科学、生命科学和心理学等没能真正解决的。计算机的人工智能水平在经历了一段时间的突飞猛进之后，如今已经接近了它的理论上的发展极限，显然，不解决上述深层次的、哲学层面上的理论问题，不解决“人工智能”、“人工情感”和“情感计算”理论所存在的一系列严重的危机与哲学错误，要想研究真正意义的情感机器人是绝对不可能的。

人工情感理论存在三个方面的严重缺陷：

情感的哲学本质

情感是人类的一种主观意识，它必然是人脑对于某一种客观存在的主观反映，这种客观存在就是“价值”（或利益），情感与价值的关系就是主观与客观的关系，因此情感的哲学本质就是人脑对于事物价值特性的一种主观反映，情感的思维实际上就是人脑对于“价值”的思维，对于情感的计算实际上就是对于价值的计算。而21世纪初所有人工情感的研究者们都不知道这一点，他们总是试图通过测量和计算情感产生过程的各种生理指标（如心率、血压、脑电波、呼吸、瞳孔直径、激素分泌、血液成份等）的变化数据来确定情感强度的变化情况，来研究情感的变化规律，其结果必然是：“在主观范围内绕圈子，在表面形式上打循环”。情感是人脑对于事物价值特征的主观反映，其客观目的在于引导人更好地识别价值、消费价值、创造价值和表达价值，因此情感的识别实际上就是价值的识别，情感的表达实际上就是价值的表达，情感的计算实际上就是价值的计算。

情感的主要功能

21世纪初的人工情感研究者们只知道情感的功能作用在于使人或机器更具有“人情味”、更友好、更容易形成自然而亲切的人与机交互，营造真正和谐的人机环境。事实是，情感的功能远非如此！情感除了帮助建立机器人的人性化界面，还能够有效地提高思维的效率与速度，而且，情感还有一个更重要的功能，那就是：情感是人的行为灵活性、决策自主性和思维创造性的根本来源。智能机器人主要的缺陷在于：只能按照人预先编制的程序进行动作，不能自主地确立和调整价值目标，不能创造性地制订和修改总体规划及行为方案，不能总结经验和吸取教训。智能机器人一旦具有了情感，就能够以“达到既定的意志目标”为行为方向，以内设的“价值观系统（或情感系统）、认知系统和意志系统”为价值计算依据，以“实现最大价值率”为行为准则，建立一系列价值计算的函数关系式或约束方程式，再根据机器人所处的自然环境和人文社会环境确定若干个边界条件，选定情感和意志的动力特性参数，就可以主动地、创造性地调整“整体规划、行为方案和具体动作”，然后对行为的最终结果进行价值评价，以便及时地修正价值观系统（或情感系统）、认知系统和意志系统，达到总结经验和吸取教训的目的。

情感的内在逻辑程序

21世纪初，人工情感的研究者们完全不了解情感运行的内在逻辑程序，只知道人在进行情感反应时各种生理指标的变化数据。事实上，人在进行情感表达、情感识别和情感思维过程中，遵循着特定的逻辑程序。情感表达的逻辑程序大致是：人通过感觉器官接收刺激信号，大脑就会把以前存储在“价值观系统”中该事物的“主观价值率”提取出来，与自身的“中值价值率”进行比较、判断和计算。当前者大于后者时，就会在大脑中的边缘系统（该组织决定着情感的正负）的“奖励区域”产生正向的情感反映（如满意、自豪）；当前者小于后者时，就会在大脑中的边缘系统的“惩罚区域”产生负向的情感反映（如失望、惭愧）。大脑然后对价值的目标指向、变化方式、变化时态、对方的利益相关性等进行判断，从而确定和选择情感表达的基本模式。此外，情感识别、情感计算与情感调控也遵循着特定的逻辑程序。如果不了解情感运行的内在逻辑程序，就不可能研制出真正意义的情感机器人。

情感的数学模型

21世纪初的心理学没有建立任何的情感数学模型，也不知道情感的数学变化规律。显然，要实现情感的数字化，就必须首先建立情感的数学模型。事实上，人的情感可以通过情感矩阵来进行描述，并可以进行情感的交集运算与并集运算，情感强度的变化有着特定的数学规律。情感是人脑对于事物价值特性的主观反映，虽然，事物的“价值率高差”在根本上决定着人的情感强度，但在一般情况下，情感的强度并不与事物的价值率高差成正比，而是一种特殊的指数函数关系。

正是上述的理论障碍，在根本上决定了情感机器人的发展局限性。但各国所声称拥有情感的机器人，最多只能模拟人的某些情感表达方式，并进行一些简单的情感识别，不可能具有真正意义上的内在情感思维。

脑电研究是指通过记录人脑皮层电位变化，探索人脑神经系统的功能和结构的一种研究方法。脑电研究可以通过记录大脑电活动的变化来研究人类的认知、情感、学习、记忆等基本心理过程，同时也可以用于研究神经系统疾病、精神障碍等疾病的机制和治疗方法。

脑电研究的主要方法是利用脑电图记录仪记录人脑皮层电位的变化，通过对记录的电位信号进行分析和处理，可以得到人脑在不同认知和情感任务下的电生理活动特征。脑电研究具有非侵入性、高时间分辨率、较低成本等优点，可以用于研究人类大脑的神经机制和认知过程。

脑电波来源于锥体细胞顶端树突的突触后电位。脑电波同步节律的形成还与皮层丘脑非特异性投射系统的活动有关。脑电波中包含数之不尽的生理病例信号，很多科幻**中对脑电波的设想也正是基于此提出的，例如，读心术，记忆上传，测谎等；事实上现在很多设想已经被科学家们变成现实，例如测谎，现在的技术已经很成熟，只是考虑到在具体的应用过程中涉及的伦理问题才没有大面积的应用开来。

近年来，随着脑科学和神经科学的发展，脑电研究在认知神经科学、临床神经科学等领域得到了广泛应用。脑电研究在疾病的早期诊断、治疗和康复等方面也具有很大的潜力。未来，随着技术的不断发展，脑电研究将会更加深入、精细化，为人类认知和神经系统疾病的研究提供更加准确和丰富的信息。