Adaptive Temporal Dynamics for Personalized Emotion Recognition: A Liquid Neural Network Approach

Riassunto Tecnico: Dinamiche Temporali Adattive per il Riconoscimento Personalizzato delle Emozioni tramite Liquid Neural Networks

1. Il Problema (Problem Statement)

Il riconoscimento delle emozioni attraverso segnali fisiologici presenta sfide significative dovute alla natura non stazionaria, rumorosa e soggettiva di tali segnali. Le criticità principali identificate dagli autori sono:

• Eterogeneità temporale: I segnali fisiologici evolvono a velocità diverse (es. le rapide fluttuazioni dell'EEG rispetto alle lente risposte del sistema nervoso autonomo come l'EDA). I modelli tradizionali (LSTM, GRU) utilizzano scale temporali discrete o fisse, che non si adattano bene a questa disparità.
• Dominanza della modalità: Nei modelli multimodali, l'EEG tende spesso a dominare i segnali periferici, portando a una perdita di informazioni complementari.
• Complessità della classificazione: Molti studi si limitano a classificazioni binarie (Valenza/Arousal), mentre il riconoscimento di emozioni discrete multiple (7 classi) è molto più complesso e soggetto a degradazione delle prestazioni.
• Mancanza di personalizzazione: Le differenze individuali e i tratti della personalità influenzano la reattività emotiva, ma spesso vengono ignorati nei modelli standard.

2. Metodologia (Methodology)

Il lavoro propone un framework multimodale basato su Liquid Neural Networks (LNN). L'architettura è progettata per elaborare simultaneamente diverse modalità:

• Input Multimodali: Il modello utilizza segnali EEG (grezzi e feature estratte come PSD, DE, statistica e asimmetria frontale), segnali periferici (BVP/HRV, EDA, temperatura cutanea) e tratti della personalità (modello "Big Five").
• Pipeline EEG (CNN-LNN-Attention):
  1. CNN: Una rete convoluzionale 1D estrae le caratteristiche spaziali dai segnali EEG grezzi.
  2. LNN (Liquid Neural Network): Utilizza celle Liquid Time-Constant (LTC) che modellano la dinamica temporale come un sistema di equazioni differenziali continue. La caratteristica chiave è che le costanti di tempo ($\tau$) sono apprendibili, permettendo ai neuroni di specializzarsi in diverse scale temporali (veloci per i transitori, lente per il contesto).
  3. Meccanismo di Attention: Un modulo di self-attention aggrega la sequenza temporale prodotta dalla LNN, permettendo al modello di concentrarsi sui segmenti temporali più rilevanti per ogni emozione.
• Fusione tramite Autoencoder: Per evitare la dominanza di una singola modalità, gli autori utilizzano un modulo di fusione basato su un autoencoder con un collo di bottiglia regolarizzato. Questo costringe il modello a imparare una rappresentazione latente compatta che preservi la complementarità tra i segnali.
• Loss Function: Il training è guidato da una funzione di perdita composta che combina la Cross-Entropy (con label smoothing e pesi per le classi) e la Reconstruction Loss dell'autoencoder (con un fattore di annealing per dare priorità alla ricostruzione nelle fasi iniziali).

3. Contributi Chiave (Key Contributions)

• Prima applicazione di LNN per l'EEG: È il primo lavoro che applica le reti neurali liquide per il riconoscimento delle emozioni basato su EEG.
• Adattività Temporale Intrinseca: L'introduzione di costanti di tempo apprendibili permette alla rete di auto-organizzarsi in gruppi funzionali (neuroni "sensoriali" veloci e neuroni "di contesto" lenti).
• Integrazione della Personalità: L'inclusione dei tratti psicometrici permette una modellazione "personality-aware", migliorando la precisione nel contesto soggettivo.
• Interpretabilità: Attraverso l'analisi dell'attenzione temporale e le visualizzazioni t-SNE, il paper dimostra come il modello identifichi pattern temporali specifici per ogni emozione.

4. Risultati (Results)

I test sono stati condotti sul dataset PhyMER per un'analisi subject-dependent (personalizzata):

• Accuratezza: Il modello ha raggiunto un'accuratezza del 95,45% su 7 classi di emozioni, superando i risultati precedentemente riportati in letteratura.
• Robustezza: Gli indici di Cohen’s Kappa (0,9338) e MCC (0,9437) confermano un'altissima affidabilità predittiva.
• Analisi delle Classi: Nonostante lo sbilanciamento delle classi, l'AUC-ROC è stato superiore a 0,98 per ogni singola emozione.
• Efficienza: Il modello è leggero (circa 432k parametri) e presenta una latenza estremamente bassa, rendendolo adatto per l'implementazione su dispositivi edge (wearable).
• Validazione Statistica: L'analisi dei neuroni ha confermato che la rete si è auto-organizzata in tre categorie (Fast, Intermediate, Slow) senza vincoli architettonici espliciti.

5. Significato e Implicazioni (Significance)

Questo lavoro segna un passo avanti verso sistemi di Affective Computing veramente personalizzati. La capacità delle LNN di adattarsi alle dinamiche temporali uniche di ogni individuo suggerisce che tali architetture siano ideali per dispositivi indossabili (es. fasce EEG smart) che devono operare in tempo reale con risorse computazionali limitate. Inoltre, l'approccio fornisce una base scientifica interpretabile, collegando le dinamiche neurali (attraverso l'attenzione) ai processi cognitivi ed emotivi umani.