基于受限玻尔兹曼机的疲劳脑电特性分析

• 作者: 卢扩锋 王明丽 甘达雲 谢云
• 来源期刊: 测控技术
• 学科: 工学
• 关键词: 稳态视觉诱发电位 疲劳脑电 受限玻尔兹曼机算法 卷积神经网络
• 年，卷（期）: 2020,（2）
• 所属期刊栏目: 模式识别与人工智能
• 页码范围: 98-103
• 页数: 6页
• 分类号: TP181
• 字数: 3549字
• 语种: 中文
• DOI: 10.19708/j.ckjs.2020.02.017

摘要

为了准确提取和分类视觉疲劳所引起的脑电特征,以此提醒过度用眼的工作人员及时休息,提出了多通道受限玻尔兹曼机算法和卷积神经网络(CNN)算法结合的深度学习混合模型,利用该模型对枕叶区10个通道的脑电信号进行自动提取内在特征和分类.在基于SSVEP的视觉疲劳脑电数据集上进行评估,深度学习混合模型的平均准确率达到88.63％,比传统的特征提取和分类方法高10％.实验结果证明了深度学习混合模型取得的分类效果较好,并且克服了传统手动提取特征方法不全面的不足,对疲劳脑电的研究具有现实的意义.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	谢云	广东工业大学自动化学院	105	485	10.0	16.0
2	卢扩锋	广东工业大学自动化学院	2	0	0.0	0.0
3	甘达雲	广东工业大学自动化学院	2	0	0.0	0.0
4	王明丽	广东工业大学自动化学院	1	0	0.0	0.0