典型文献
基于注意力与多尺度的4类脑电信号解码
文献摘要：
为了增加主动式脑-机接口(BCI)指令集的数量,提出了一种基于运动想象和言语想象的时序编码实验范式.通过将1个运动想象和1个言语想象分时序进行,获得了4类想象方式:运动想象;言语想象;先运动想象再言语想象;先言语想象再运动想象.针对上述实验范式的脑电信号设计一种基于注意力与多尺度神经网络(AMEEGNet):首先通过1个空洞卷积和3个不同大小尺度的二维卷积提取信号的鲁棒性时间表示;然后使用深度卷积和可分离卷积提取空间特征和频域特征;此外,在模型中添加挤压激励模块,以自适应提取具有高分类精度的特征;最后采用一个具有全连接的网络层进行分类.该模型在拥有4类想象的时序编码实验数据集上获得了71.1％的平均准确度,且在同一数据集上EEGNet、MMCNN、Shallow ConvNet、TSGL-EEGNet分别取得57.9％、60.5％、68.3％、68.4％的精度,可见所提模型识别准确率最高.
文献关键词：
脑-机接口;运动想象;言语想象;时序编码;多尺度卷积;注意力
中图分类号：
作者姓名：
任玲玲;王力;黄学文;詹倩倩
作者机构：
广州大学电子与通信工程学院,广州510006;广州市信息处理与传输重点实验室,广州510006
文献出处：
引用格式：
[1]任玲玲;王力;黄学文;詹倩倩-.基于注意力与多尺度的4类脑电信号解码)[J].科学技术与工程,2022(34):15180-15187
A类：
脑电信号解码,AMEEGNet,MMCNN,TSGL
B类：
主动式,BCI,指令集,运动想象,言语想象,时序编码,实验范式,想象方式,信号设计,空洞卷积,同大,小尺度,二维卷积,取信,时间表,使用深度,深度卷积,可分离卷积,空间特征,频域特征,挤压激励,自适应提取,分类精度,全连接,网络层,层进,一数,Shallow,ConvNet,模型识别,识别准确率,多尺度卷积
AB值：
0.314906
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。
