典型文献
基于听觉诱发脑-机接口的识别模型研究
文献摘要：
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.
文献关键词：
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
中图分类号：
作者姓名：
魏佳鑫;张晓飞;龚真颖;郭一娜
作者机构：
太原科技大学 电子信息工程学院,太原030024
文献出处：
引用格式：
[1]魏佳鑫;张晓飞;龚真颖;郭一娜-.基于听觉诱发脑-机接口的识别模型研究)[J].太原科技大学学报,2022(06):489-495
A类：
DENSE
B类：
听觉诱发,识别模型,BCI,泛化能力,口实,实验范式,长短期记忆神经网络,网络融合,全连接层,识别算法,脑电数据,集输,出门,损失函数,模型训练,训练过程,识别率,过拟合,分类性能,L2,范数,正则化
AB值：
0.267151
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。
