BACNet:一个跨主题和跨任务基于EEG的试点作战意图识别多重关注网络

科学领域:

• 神经科学是一个神经科学.
• 航空航天工程 航空航天工程
• 计算机科学 计算机科学

背景情况:

• 飞行员操作意图的识别对于飞行安全和人机交互至关重要.
• 电脑电图 (EEG) 提供高时间分辨率的非侵入性意图识别.
• 现有的EEG方法面临着模型复杂性和特征提取精度的挑战.

研究的目的:

• 开发一个高效和准确的神经网络,用于使用EEG信号识别飞行员的意图.
• 解决目前基于EEG的意图识别方法的局限性.

主要方法:

• 引入平衡注意力卷积网络 (BACNet) 以加强基于EEG的意图识别.
• BACNet使用三分支并行卷积结构用于多尺度时间频率特征提取.
• 动态特征调制可自适应地突出突出道和空间位置.

主要成果:

• 在三类意图识别任务中,BACNET实现了96.07%的平均分类准确率.
• 该模型显著超过了五种最先进的基线方法.
• 废除研究证实了BACNET协作注意力设计的有效性.

结论:

• BACNet提供了一种轻量级且高度准确的解决方案,用于识别飞行员的意图.
• 拟议的架构在脑-计算机接口 (BCI) 系统中具有广泛的应用性.