Deep Temporal Modeling and Ensemble Fusion for Multimodal Emotion Recognition from Physiological Signals

En 3 lignesÉvaluation de modèles deep learning (LSTM, TCN, Transformer) sur le dataset WESAD pour la reconnaissance d'émotions à partir de signaux physiologiques (capteurs poignet/poitrine). L'ensemble par late-fusion atteint 98.91% de précision et 98.56% de macro-F1. Transformer excelle en multimodal, TCN en wrist-only.

Résumé généré par Claude — vérifié par l'humain