基于Gamma深度信念网络的飞行员脑疲劳状态识别

• 作者: 任和 吴奇 罗映雪 裘旭益 贾博 邓平煜
• 来源期刊: 电子学报
• 学科: 工学
• 关键词: 脑电信号 飞行员疲劳 疲劳识别 Gamma深度信念网络
• 年，卷（期）: 2020,（6）
• 所属期刊栏目: 学术论文
• 页码范围: 1062-1070
• 页数: 9页
• 分类号: TP391.4
• 字数: 6526字
• 语种: 中文
• DOI: 10.3969/j.issn.0372-2112.2020.06.003

摘要

飞行员疲劳状态识别面临两个重要问题,如何提取表征疲劳的特征以及如何对疲劳特征建模学习.首先提取脑电信号节律波,计算基于仿射伪平滑Wigner-Ville分布的瞬时频域信息,构建疲劳状态指标.其次,基于脑电信号各通道的周期性变化提出Gamma深度信念网络的疲劳状态分类算法,与采用卷积与池化运算的学习网络不同,Gamma深度信念网络没有将图像或信号按尺度分割,但在底部的隐藏层已经可以有效地学习特定区域的特征,且当层数增加时,可有效提取特征的区域增多,学习到的特征更为一般化.然后改进用于训练深度信念网络的Gibbs采样算法,提出向上向下Gibbs采样以推断网络参数.最后,实验结果显示,本文的Gamma深度信念网络在识别准确率、稳定性、迭代用时等方面均达到了令人满意的效果.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	罗映雪	上海交通大学电子信息与电气工程学院自动化系	2	0	0.0	0.0
2	贾博		2	0	0.0	0.0
3	裘旭益		3	1	1.0	1.0
4	邓平煜		7	5	1.0	2.0
5	任和		5	13	2.0	3.0
6	吴奇	上海交通大学电子信息与电气工程学院自动化系	14	11	2.0	2.0