基于双通道注意力网络的脑电图意图识别

孙亚东; 徐晓涛; 章军; 陈鹏

doi:10.13873/J.1000-9787(2021)09-0128-04

Chinese

您当前的位置：

首页 >

文章列表页 >

基于双通道注意力网络的脑电图意图识别

计算与测试 | 更新时间：2025-09-11

- 基于双通道注意力网络的脑电图意图识别
- Dual-channel attention mechanism network for EEG intent recognition
- 传感器与微系统 2021年第9期页码：128-131
- 作者机构：
  
  1. 安徽大学电气工程与自动化学院
  2. 安徽大学互联网学院农业生态大数据分析与应用技术国家地方联合工程研究中心
- 作者简介：
- 基金信息：
  
  国家自然科学基金资助项目(61872004)
- DOI：10.13873/J.1000-9787(2021)09-0128-04
  中图分类号： R318;TN911.7;TP183
- 纸质出版：2021
- 稿件说明：
移动端阅览
孙亚东, 徐晓涛, 章军, 等. 基于双通道注意力网络的脑电图意图识别[J]. 传感器与微系统, 2021,(9):128-131.

SUN Yadong, XU Xiaotao, ZHANG Jun, et al. Dual-channel attention mechanism network for EEG intent recognition[J]. 2021, (9): 128-131.
孙亚东, 徐晓涛, 章军, 等. 基于双通道注意力网络的脑电图意图识别[J]. 传感器与微系统, 2021,(9):128-131. DOI： 10.13873/J.1000-9787(2021)09-0128-04.

SUN Yadong, XU Xiaotao, ZHANG Jun, et al. Dual-channel attention mechanism network for EEG intent recognition[J]. 2021, (9): 128-131. DOI： 10.13873/J.1000-9787(2021)09-0128-04.

摘要

为了正确地解释大脑活动并对脑电图信号数据进行有效识别

提出一种双通道注意力机制模型

对原始的脑电图信号数据进行分类

从而识别用户的意图。对于公共数据集Eegmmidb

模型在5项识别任务上的平均识别率为99.34%。实验结果表明:所提模型优于现有方法。

Abstract

To interpret brain activity correctly and classify electroencephalography（EEG）signal data properly

a dual-channel attention mechanism model to classify raw EEG data and is proposed thus users’ intents is recognized.The model achieves an average recognition rate of 99.34 % over five tasks

on public dataset

eegmmidb.The experimental results show that the model outperforms the state-of-the-art methods.

关键词

Keywords

references

浏览量

261

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

基于迁移学习与改进ResNet的避雷器分割算法

基于脑电信号和深度学习的疲劳驾驶检测方法

基于惯性传感的偏瘫步态相位识别研究

基于无人机图像传感器的公路小目标检测

面向透明液体液位测量的立体匹配算法研究