期刊导航
期刊开放获取
上海教育软件发展有限公..
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
1
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式：
文摘
详细
列表
相关度排序
被引量排序
时效性排序
基于可解释深度学习的单通道脑电跨被试疲劳驾驶检测
被引量：
8
1
作者
冯笑
代少升
黄炼
《仪器仪表学报》
EI
CAS
CSCD
北大核心
2023年第5期140-149,共10页
脑电信号被认为是检测驾驶员疲劳状态的最佳生理信号之一。然而,由于不同被试者和不同记录时段的脑电信号差异很大,设计一个无校准的脑电疲劳检测系统仍然具有挑战性。近年来,虽然开发了许多深度学习方法来解决这个问题并取得了重大进展...
脑电信号被认为是检测驾驶员疲劳状态的最佳生理信号之一。然而,由于不同被试者和不同记录时段的脑电信号差异很大,设计一个无校准的脑电疲劳检测系统仍然具有挑战性。近年来,虽然开发了许多深度学习方法来解决这个问题并取得了重大进展,但是深度学习模型的黑盒效应使得模型决策不可信赖。为此,本文提出了一种可解释深度学习模型,用于从单通道脑电信号中检测跨被试疲劳状态。该模型具有紧凑的网络结构,首先设计浅层CNN提取EEG特征,然后引入自适应特征重新校准机制增强提取特征的质量,最后通过LSTM网络将时间特征序列与分类相关联。模型分类决策的可解释信息则是由LSTM输出隐藏状态的可视化技术实现的。在持续驾驶任务的公开脑电数据集上进行大量跨被试实验,该模型的分类平均准确率最高达到76.26%。相比于先进的紧凑型深度学习模型,该模型有效降低了参数量和计算量。可视化结果表明该模型已发现神经生理学上可靠的解释。
展开更多
关键词
单通道脑电
疲劳检测
紧凑网络
可视化技术
自适应特征重新校准
在线阅读
下载PDF
职称材料
题名
基于可解释深度学习的单通道脑电跨被试疲劳驾驶检测
被引量：
8
1
作者
冯笑
代少升
黄炼
机构
重庆邮电大学通信与信息工程学院
河南省高速铁路运营维护工程研究中心
出处
《仪器仪表学报》
EI
CAS
CSCD
北大核心
2023年第5期140-149,共10页
基金
河南省重点研发与推广专项(222102210164)资助。
文摘
脑电信号被认为是检测驾驶员疲劳状态的最佳生理信号之一。然而,由于不同被试者和不同记录时段的脑电信号差异很大,设计一个无校准的脑电疲劳检测系统仍然具有挑战性。近年来,虽然开发了许多深度学习方法来解决这个问题并取得了重大进展,但是深度学习模型的黑盒效应使得模型决策不可信赖。为此,本文提出了一种可解释深度学习模型,用于从单通道脑电信号中检测跨被试疲劳状态。该模型具有紧凑的网络结构,首先设计浅层CNN提取EEG特征,然后引入自适应特征重新校准机制增强提取特征的质量,最后通过LSTM网络将时间特征序列与分类相关联。模型分类决策的可解释信息则是由LSTM输出隐藏状态的可视化技术实现的。在持续驾驶任务的公开脑电数据集上进行大量跨被试实验,该模型的分类平均准确率最高达到76.26%。相比于先进的紧凑型深度学习模型,该模型有效降低了参数量和计算量。可视化结果表明该模型已发现神经生理学上可靠的解释。
关键词
单通道脑电
疲劳检测
紧凑网络
可视化技术
自适应特征重新校准
Keywords
single-channel EEG
fatigue detection
compact network
visualization technologies
adaptive feature recalibration
分类号
TP391 [自动化与计算机技术—计算机应用技术]
R741.044 [医药卫生—神经病学与精神病学]
TH79 [机械工程—精密仪器及机械]
在线阅读
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
基于可解释深度学习的单通道脑电跨被试疲劳驾驶检测
冯笑
代少升
黄炼
《仪器仪表学报》
EI
CAS
CSCD
北大核心
2023
8
在线阅读
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部
