यह शोधपत्र ईईजी-आधारित भावात्मक मस्तिष्क-कंप्यूटर इंटरफेस (एबीसीआई) में भावना पहचान के लिए डोमेन और श्रेणी प्रोटोटाइप (पीएल-डीसीपी) के साथ एक नवीन युग्मित अधिगम ढाँचे का प्रस्ताव करता है। मौजूदा गहन स्थानांतरण अधिगम-आधारित भावना पहचान विधियों की अंतर्निहित कमज़ोरियों को दूर करने के लिए, जो स्रोत और लक्ष्य डोमेन और लेबल नॉइज़ पर दोहरी निर्भरता से ग्रस्त हैं, पीएल-डीसीपी फ़ीचर डिसेन्टेंगलमेंट और प्रोटोटाइप अनुमान की अवधारणाओं को एकीकृत करता है। फ़ीचर डिसेन्टेंगलमेंट मॉड्यूल दोहरे प्रोटोटाइप अभ्यावेदन (डोमेन और वर्ग प्रोटोटाइप) की गणना करने के लिए डोमेन और वर्ग विशेषताओं को निकालता और अलग करता है। डोमेन प्रोटोटाइप अंतर-व्यक्तिगत भिन्नता को पकड़ते हैं, जबकि वर्ग प्रोटोटाइप प्रभाव श्रेणियों में समानताओं को पकड़ते हैं। युग्मित अधिगम रणनीति गलत लेबलिंग के प्रभावों को कम करती है। SEED, SEED-IV, और SEED-V डेटासेट पर प्रायोगिक परिणाम दर्शाते हैं कि PL-DCP क्रमशः 82.88%, 65.15%, और 61.29% की सटीकता प्राप्त करता है, जो मौजूदा अत्याधुनिक (SOTA) विधियों से बेहतर प्रदर्शन करता है। विशेष रूप से, यह डीप ट्रांसफर लर्निंग विधियों से बेहतर प्रदर्शन करता है, जिनमें स्रोत और लक्ष्य दोनों डेटा की आवश्यकता होती है, जबकि लर्निंग प्रक्रिया के दौरान किसी भी लक्ष्य डोमेन डेटा का उपयोग नहीं किया जाता है।
