文档名：AFBCNet一种基于自适应滤波器组的运动想象卷积神经网络
摘要：脑电图(EEG)的解码与分类一直是脑-机接口技术(BCI)领域的研究热点之一.虽然基于深度学习的方法已经取得了相当优异的成绩,但是在多分类、小样本数据集上,设计一个可解释性高、学习快、解码准确且精度高的模型仍然是一个挑战.为了深度解码基于运动想象(MI)的EEG信号,提出了一种基于自适应滤波器组的运动想象卷积神经网络:AFBCNet.首先通过自适应滤波器组与空间卷积层对MI-EEG信号的最优频带组合进行时空分解,然后通过改进的轻量化Inception模块进行特征提取,最后进行特征整合与分类.实验结果表明,所提出的方法在BCICIV2a和BCICIV2b数据集上平均识别率达到81.82％和84.13％,并且具有良好的鲁棒性与迁移能力.
作者：申佳华 代成龙 李光辉Author：SHENJiahua DAIChenglong LIGuanghui
作者单位：江南大学人工智能与计算机学院,江苏无锡214122
刊名：传感技术学报 ISTICPKU
Journal：ChineseJournalofSensorsandActuators
年，卷(期)：2023, 36(11)
分类号：TP391
关键词：脑电信号分类 自适应滤波器组 时空分解 卷积神经网络
Keywords：EEGclassification adaptivefilterbank timeandspacedecomposition convolutionalneuralnetwork
机标分类号：
在线出版日期：2024年1月17日
基金项目：国家自然科学基金，国家自然科学基金，江苏省自然科学基金，江南大学中央高校基本科研计划项目AFBCNet:一种基于自适应滤波器组的运动想象卷积神经网络[
期刊论文] 传感技术学报--2023, 36(11)申佳华 代成龙 李光辉脑电图(EEG)的解码与分类一直是脑-机接口技术(BCI)领域的研究热点之一.虽然基于深度学习的方法已经取得了相当优异的成绩,但是在多分类、小样本数据集上,设计一个可解释性高、学习快、解码准确且精度高的模型仍然是一个挑...参考文献和引证文献
参考文献
引证文献
本文读者也读过
相似文献
相关博文
AFBCNet:一种基于自适应滤波器组的运动想象卷积神经网络 AFBCNet:A Convolutional Neural Network for Motor Imagery EEG Based on Adaptive Filter Bank
AFBCNet:一种基于自适应滤波器组的运动想象卷积神经网络.pdf
- 文件大小:
- 3.42 MB
- 下载次数:
- 60
-
高速下载
|
|
