太原科技大学学报

2022, v.43;No.194(06) 489-495

[打印本页] [关闭]
本期目录(Current Issue) | 过刊浏览(Archive) | 高级检索(Advanced Search)

基于听觉诱发脑-机接口的识别模型研究
Research on Recognition Model Based on Auditory Evoked Brain-Computer Interface

魏佳鑫,张晓飞,龚真颖,郭一娜

摘要(Abstract):

针对听觉诱发脑-机接口存在的“BCI盲”、泛化能力差等问题,设计基于听觉诱发的脑-机接口实验范式,提出了惩罚式长短期记忆神经网络融合全连接层的识别算法。首先,将实验采集到的脑电数据处理后作为神经网络的数据集输入,然后对长短期记忆神经网络中输出门的损失函数添加惩罚项,减少模型的参数,将其输出输入到DENSE层,解决模型训练过程中不易收敛的问题。实验表明,文中算法的识别率达到91.59%,解决了“BCI盲”的问题,有效解决了算法过拟合与不易收敛的问题。其分类性能不仅高于长短期记忆神经网络,而且相比一些其他代表性的算法也有一定优势。

关键词(KeyWords): 脑-机接口;听觉诱发;长短期记忆神经网络;L2范数正则化;全连接层

Abstract:

Keywords:

基金项目(Foundation): 山西省重点研发计划(201803D421035)

作者(Author): 魏佳鑫,张晓飞,龚真颖,郭一娜

参考文献(References):

扩展功能
本文信息
服务与反馈
本文关键词相关文章
本文作者相关文章
中国知网
分享