典型文献
基于幻象模块与深度可分离卷积的运动想象脑电分类方法
文献摘要：
基于运动想象的脑机接口系统可以在无外部刺激的情况下产生有效脑电信号,控制外接设备,在医疗健康等方面发挥着越来越重要的作用.运动想象脑电信号具有非线性、非平稳、低信噪比和个体差异大等特点,同时许多运动想象脑电算法应用在计算能力差、实时性要求高的移动设备上,对运动想象脑电的分类准确性和模型复杂度提出了很大挑战.基于此,文章提出一种新的融合幻象模块与深度可分离卷积的轻量化分类模型.首先对原始数据进行截取和滤波,使用EMD算法计算IMFs,将二维脑电信号重构为三维数据,然后通过幻象模块和深度可分离卷积进行数据扩展与特征提取,引入反残差模块缓解网络退化问题,最后用全连接层进行分类.
文献关键词：
深度学习;运动想象;深度可分离卷积;幻象模块
中图分类号：
作者姓名：
李春艳;尹鸿峰;李伟静;邵铭鑫
作者机构：
唐山师范学院计算机科学系,河北唐山063000;沧州交通学院计算机与信息技术学院,河北沧州061199;北京交通大学计算机科学与信息技术学院,北京100044
文献出处：
引用格式：
[1]李春艳;尹鸿峰;李伟静;邵铭鑫-.基于幻象模块与深度可分离卷积的运动想象脑电分类方法)[J].电脑知识与技术,2022(28):17-19,29
A类：
幻象模块
B类：
深度可分离卷积,脑电分类,分类方法,基于运动想象的脑机接口,外接,接设备,医疗健康,运动想象脑电信号,非平稳,低信噪比,个体差异,电算,算法应用,计算能力,移动设备,分类准确性,模型复杂度,分类模型,原始数据,截取,EMD,算法计算,IMFs,信号重构,三维数据,残差模块,全连接层,层进
AB值：
0.271193
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。
