基于脑电和特征加权阶段训练的驾驶员疲劳状态估计

导读

该研究基于脑电信号（EEG）的疲劳驾驶检测。论文考虑一个非常实用且非常具有挑战性的场景：没有关于新用户的任何EEG数据（有标签的或无标签的），但是希望通过老用户的带标注的EEG数据来建立一个模型，对新用户实现即插即用的疲劳程度估计。

论文贡献

该论文将ET从分类扩展到回归，并将其应用于基于EEG的驾驶员睡意估计中。论文的主要贡献是：
1）提出了一种特征加权(FW)方案，该方案通过考虑不同脑区的重要性，自动为每个特征分配权重。
2）将[1]中的ET从分类扩展到回归，并对其进行简化，在不牺牲泛化性能的前提下降低了计算成本。
3）我们将FW和ET集成到一个单独的学习框架中，即特征加权情景训练(FWET)，以获得比单个模块更好的泛化性能。
FWET方法示意图如下：

在15个用户数据上，论文中的方法与其他方法的实验结果比较如下：

（a）困倦状态和警戒状态的地形图之间的差异。

（b）每个PSD特征和DI之间的皮尔逊(Pearson)相关系数

论文是由华中科技大学伍冬睿教授团队发表于
IEEE Trans. on Neural Systems and Rehabilitation Engineering
论文地址：
https://arxiv.org/abs/1909.11456

脑机学习者Rose笔记分享,QQ交流群：903290195
更多分享，请关注公众号

基于脑电和特征加权阶段训练的驾驶员疲劳状态估计相关推荐

深度学习在神经营销中基于脑电的偏好分类
0 博主的小前言博主前几天读到了一篇文献(Deep Learning for EEG-Based Preference Classification in Neuromarketing ),甚是震撼 ...
专利 | 一种基于脑电神经反馈控制智能机器人的方法
Hello, 大家好,这里是壹脑云,我是Ting Zhang~ 今天和大家一起学习的是"一种基于脑电神经反馈控制智能机器人的方法"这个专利.它是由昆明理工大学的伏云发等人发明的专利 ...
NeuroImage:基于脑电和结构MRI的AD和轻度认知障碍机器学习分类研究
<本文同步发布于"脑之说"微信公众号,欢迎搜索关注~~> 1. 背景阿尔茨海默氏病(AD)是引起痴呆症的主要原因,约占全世界病例的70%.到2050年,痴 ...
EEGNet：一个小型的卷积神经网络，用于基于脑电的脑机接口
脑机接口(BCI)利用神经活动作为控制信号,可以与计算机直接通信.这种神经信号通常从各种研究充分的脑电图(EEG)信号中选择.对于给定的脑机接口(BCI)范式,特征提取器和分类器是针对其所期望的脑电图 ...
基于脑电的注意力识别方法调研
Li Y, Li X, Ratcliffe M, et al. A real-time EEG-based BCI system for attention recognition in ubiqui ...
基于脑电的情绪识别方案总结
文章目录 1. 方案一 1.1 算法方案解析 1.1.1 数据处理 1.1.2 模型设计思路 1.1.3 模型设计 1.1.4 结果 1.2 优化思路 2. 方案二 2.1 任务介绍 2.2 方案 2 ...
学术篇 | 多模态fNIRS脑电分类——基于脑机接口的深度学习算法
近年来,脑机接口(BCI)系统的发展受到神经科学家的广泛关注,脑机接口可以作为一种沟通手段,并为运动障碍患者的运动功能恢复.脑机接口(BCI)设计的一个重要部分是正确地对脑信号进行分类,这些信号过去是 ...
基于神经网络和小波变换的癫痫脑电诊断比较
论文研读 Comparison of EEG based epilepsy diagnosis using neural networks and wavelet transform Abstrac ...
（论文加源码）基于DEAP脑电数据集的脑电情绪识别（利用生成对抗性网络进行特征提取和数据扩充）
本篇论文发表于2022年的顶级期刊,代码可以完整运行,详情见第八节或者个人主页论文源码见个人主页:https://download.csdn.net/download/qq_45874683/876 ...

基于脑电和特征加权阶段训练的驾驶员疲劳状态估计

目录

导读

论文贡献

基于脑电和特征加权阶段训练的驾驶员疲劳状态估计相关推荐

最新文章

热门文章