典型文献
基于双卷积神经网络融合的注意力训练研究
文献摘要：
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.
文献关键词：
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
中图分类号：
作者姓名：
徐欣;张佳欣;张如浩
作者机构：
南京邮电大学通信与信息工程学院,南京210003
文献出处：
引用格式：
[1]徐欣;张佳欣;张如浩-.基于双卷积神经网络融合的注意力训练研究)[J].数据采集与处理,2022(04):825-838
A类：
双卷积神经网络融合,Electroence,phalogram,多特征图像
B类：
训练研究,学习情况,课堂注意力,注意力状态,在校学生,音乐训练,EEG,低信噪比,冗余度,接通,样本熵,Sample,entropy,SampEn,波段,能量比,融合转化,AlexNet,VGG11,加权融合,成双,图像分类,分类性能,融合模型,识别准确率,此前,分类准确率,高健,注意力水平,脑电信号
AB值：
0.277478
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
