10.3969/j.issn.1000-386x.2024.01.015
基于自适应多视角深度神经网络的脑电识别
由于已有深度学习方法没有从脑功能分离与整合机制角度出发构建脑电(Electroencephalogram,EEG)识别网络,导致识别精度不高,因而提出一种融合多视角学习与 自适应权重学习机制的自适应多视角深度学习模型.将脑电信号划分为不同脑区的多个局部视角,将整个大脑区域视作全局视角,构建能够反映脑功能分离与整合机制的多视角深度学习框架;利用注意力机制 自适应学习多个视角之间的重要程度.该模型不仅可以学习不同脑区EEG深度特征,而且可以 自适应地学习各个脑区权重分配.在公开及自采集EEG数据集上的实验结果均验证了该方法的有效性.
脑电信号、深度学习、多视角学习、注意力机制
41
TP391.41(计算技术、计算机技术)
国家自然科学基金;江苏省高校自然科学研究面上项目
2024-02-27（万方平台首次上网日期，不代表论文的发表时间）
共8页
97-104
