典型文献
基于时空特征卷积神经网络的运动想象脑电信号识别方法
文献摘要：
为了正确提取脑电信号的特征信息以提高大脑运动想象的识别准确率,提出一种基于时空特征的卷积神经网络(TSCNN)方法.通过一个时间卷积神经网络和一个空间卷积神网络,自主学习最优的时空滤波器参数,之后再通过卷积神经网络进一步提取不同尺度的脑电信号特征信息,完成运动想象分类识别,并在小样本情况下通过信号分段、膨胀卷积等策略进一步优化训练效率和识别性能.该方法在BCI Competition IV Dataset 2a数据集上取得78.8％的准确率和0.72的kappa系数,相比其他方法可以在不进行预处理及额外特征提取的情况下,取得更好的识别效果.
文献关键词：
卷积神经网络;脑机接口;运动想象;时空特征
中图分类号：
作者姓名：
许学添;蔡跃新
作者机构：
广东司法警官职业学院信息管理系 广东 广州 510520;中山大学孙逸仙纪念医院耳鼻喉科听力学与言语研究所 广东 广州 510120
文献出处：
引用格式：
[1]许学添;蔡跃新-.基于时空特征卷积神经网络的运动想象脑电信号识别方法)[J].计算机应用与软件,2022(10):71-76
A类：
TSCNN
B类：
时空特征,运动想象脑电信号,信号识别,特征信息,识别准确率,时间卷积神经网络,空间卷积,时空滤波,滤波器参数,不同尺度,脑电信号特征,分类识别,小样本,信号分段,膨胀卷积,训练效率,识别性,BCI,Competition,IV,Dataset,2a,kappa,其他方法,脑机接口
AB值：
0.342787
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。
