-
题名基于双卷积神经网络融合的注意力训练研究
被引量：2
- 1
-
-
作者
徐欣
张佳欣
张如浩
-
机构
南京邮电大学通信与信息工程学院
-
出处
《数据采集与处理》
CSCD
北大核心
2022年第4期825-838,共14页
-
基金
江苏省优秀青年基金(BK20211538)
国家自然科学基金(61991431)
国家重点基础研究发展计划(2018YFA0209101)。
-
文摘
学生的学习情况与其课堂注意力状态密切相关。为了探寻注意力训练能否提高课堂注意力,对10名在校学生进行了α音乐训练,并收集了训练前后的非注意和注意状态的脑电(Electroence⁃phalogram,EEG)信号进行对比研究。由于EEG信号本质上是动态的,且具有低信噪比和高冗余度的特性,为避免直接通过神经网络识别EEG信号效果差的问题,提取了信号的样本熵(Sample entropy,SampEn)、各个波段的能量和能量比共11个特征,并将这些特征进行融合转化为多特征图像,作为神经网络模型的输入。此外,将AlexNet和VGG11两个网络模型进行加权融合构成双卷积神经网络,进一步提高了图像分类性能。结果表明,与单个模型相比,双卷积神经网络融合模型的性能更佳,其识别准确率最高可达到97.53%。研究发现,经过α音乐训练,受试者的脑电特征与此前相比有显著性差异,且网络模型的分类准确率比训练前提高了4%,说明本文所提的α音乐训练能够提高健康学生的注意力水平。
-
关键词
脑电信号
注意力
α音乐训练
双卷积神经网络融合
多特征图像
-
Keywords
electroencephalogram(EEG)signal
attention
αmusic training
double convolutional neural network fusion
multi-feature image
-
分类号
TN911.72
[电子电信—通信与信息系统]
-
