典型文献
基于注意力机制的飞行学员疲劳分类网络研究
文献摘要：
近年的通用航空事故中,出现在飞行训练期间由人因引起的事故约1/3.疲劳是人因中重要的一种,准确地识别飞行学员的疲劳状态对飞行安全有积极意义.提出了一种融合注意力机制的飞行学员精神疲劳分类网络,使用深度可分离卷积对网络参数进行精简,引入注意力机制充分利用通道与空间特征对脑电无用信息进行抑制的同时增大了关键信息权重.使用公开疲劳数据集SEED-VIG对网络进行预训练,然后通过迁移学习将其应用于飞行学员精神疲劳分类,网络在对4种精神疲劳状态分类时达到了 84.12％的准确率,并在NVIDIA Jetson Nano上达到了 27samples/s的运行速度.该网络可有效识别飞行学员的疲劳类型,并及时向飞行教员反馈学员精神状态情况,为判断飞行学员是否适合训练提供生理依据,同时该网络满足移动设备和嵌入式设备的计算要求.
文献关键词：
注意力机制;卷积神经网络;脑电信号;飞行学员;疲劳分类
中图分类号：
作者姓名：
王乾垒;熊仁和;王在俊;周超
作者机构：
中国民用航空飞行学院飞行技术与飞行安全重点实验室,四川广汉618307;中国民用航空飞行学院空中交通管理学院,四川广汉618307
文献出处：
引用格式：
[1]王乾垒;熊仁和;王在俊;周超-.基于注意力机制的飞行学员疲劳分类网络研究)[J].计算机仿真,2022(10):71-76,510
A类：
27samples
B类：
注意力机制,飞行学员,疲劳分类,分类网络,通用航空事故,飞行训练,训练期,人因,疲劳状态,飞行安全,精神疲劳,使用深度,深度可分离卷积,网络参数,精简,空间特征,无用信息,关键信息,信息权,SEED,VIG,预训练,迁移学习,状态分类,NVIDIA,Jetson,Nano,上达,运行速度,教员,精神状态,合训,移动设备,嵌入式设备,脑电信号
AB值：
0.366536
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。
