基于数据增强的改进的CapsNet,用于估计驾驶员的警觉性,带有额头单通道EEG.
Huizhou Yang1, Jingwen Huang1, Yifei Yu2
1College of Information Science and Technology, Nanjing Forestry University, Nanjing, 210037 China.
Cognitive neurodynamics
|December 16, 2024
概括
这项研究引入了一种新的算法,用于使用单通道电脑电图 (EEG) 信号来估计驾驶员的警. 该方法提高了准确性和计算速度,使轻量级EEG警估计装置变得实用.
科学领域:
- 神经科学是一个神经科学.
- 人工智能的人工智能
- 交通安全 交通安全
背景情况:
- 估计驾驶员的警对于减少交通事故至关重要.
- 目前基于脑电图 (EEG) 的方法通常需要多通道信号,由于成本和复杂性而限制了实际应用.
研究的目的:
- 开发使用单通道EEG信号的跨主体警觉估计算法.
- 提高基于EEG的警觉监控的实用性和准确性,以实现实际应用.
主要方法:
- 开发了一个囊网络 (CapsNet) 算法,用于单通道EEG警估计.
- 集成了新的输入功能地图构建和自我注意机制.
- 使用条件生成对抗网络 (cGAN) 来增强单通道数据.
主要成果:
- 拟议的算法证明了改进的计算速度.
- 与主流方法相比,根平均平方误差 (RMSE) 减少了3%,皮尔森相关系数 (PCC) 提高了12%.
- 使用单通道额头EEG用于跨主体警估计的可行性得到证实.
结论:
- 开发的基于CapsNet的算法为使用单通道EEG的跨主体警估计提供了可行和高效的方法.
- 这项研究为轻量级和实用的EEG警觉监控设备铺平了道路.
