基于改进深度学习模型C-NTM的脑电鲁棒特征学习

• 作者: 乔伟征 毕晓君
• 来源期刊: 哈尔滨工程大学学报
• 学科: 工学
• 关键词: 脑电信号 鲁棒特征 深度学习 卷积神经网络 神经图灵机 频谱图 卷积神经图灵机 认知负载
• 年，卷（期）: 2019,（9）
• 页码范围: 1642-1649
• 页数: 8页
• 分类号: TP391
• 字数: 6155字
• 语种: 中文
• DOI: 10.11990/jheu.201808069

摘要

为了在脑电信号鲁棒特征学习中提取更多脑电抽象和深层特征,本文在卷积长短时记忆网络的基础上提出一种深度学习混合网络.采用快速傅里叶变换将多通道的脑电信号转换为一系列具有空域、时域、频域相关信息的频谱图;将改进的卷积神经网络和神经图灵机组合搭建完成深度学习混合模型卷积神经图灵机C-NTM;通过认知工作负载脑电的分类任务对改进的模型进行评估.实验结果表明:本文所提模型在相应的数据库上取得了94.5％的准确率,优于目前在脑电分类任务中效果最好的模型.该模型能够有效地学习不同受试者之间和同一受试者不同状态时的脑电特征,实现更好的脑电鲁棒特征学习.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	毕晓君	中央民族大学信息工程学院	126	1188	17.0	27.0
5	乔伟征	哈尔滨工程大学信息与通信工程学院	1	0	0.0	0.0