Bài báo này tập trung nghiên cứu và phát triển mô hình học sâu tối ưu nhằm nhận dạng cảm xúc từ tín hiệu điện não đồ (EEG), đặc biệt hướng tới các hệ thống có tài nguyên tính toán hạn chế. Mục tiêu chính là giải quyết thách thức về sự cân bằng giữa độ chính xác nhận dạng và hiệu suất phần cứng trên các thiết bị biên hoặc thiết bị đeo thông minh. Phương pháp tiếp cận dựa trên việc thiết kế kiến trúc mạng nơ-ron tích chập (CNN) tinh gọn kết hợp với các kỹ thuật nén mô hình và lượng tử hóa tham số để giảm thiểu khối lượng tính toán mà vẫn đảm bảo đặc tính trích xuất thông tin. Kết quả nghiên cứu dự kiến sẽ cung cấp một giải pháp nhận dạng cảm xúc thời gian thực hiệu quả, có khả năng triển khai linh hoạt trên các nền tảng di động mà không phụ thuộc vào hạ tầng máy chủ mạnh mẽ. Đề tài đóng góp ý nghĩa quan trọng trong việc thúc đẩy ứng dụng giao tiếp người-máy và hỗ trợ chẩn đoán sức khỏe tâm thần trong thực tiễn.