arXiv:2002.10988v1 [eess.AS] 2020 年 2 月 25 日__

arXiv:2002.10988v1 [eess.AS] 2020 年 2 月 25 日

可下载资源数量

已经购买

下载数量：1

单价	0 1.0
Coupon	100% 0%
Total	0 1.0

点击下载点击购买并下载

点击购买，资源将自动在新窗口打开.

机构名称：

arXiv:2002.10988v1 [eess.AS] 2020 年 2 月 25 日

¥ 1.0

热度

对自然语音和记录的脑电图 (EEG) 之间的关系进行建模有助于我们了解大脑如何处理语音，并且在神经科学和脑机接口中具有各种应用。在这种情况下，到目前为止主要使用线性模型。然而，由于人脑听觉处理的复杂性和高度非线性，线性模型的解码性能受到限制。我们提出了一种基于长短期记忆 (LSTM) 的新型架构作为非线性模型，用于分类给定的一对 (EEG，语音包络) 是否相互对应。该模型使用 EEG 路径中的 CNN 和语音路径中的 LSTM 将 EEG 和包络的短段映射到公共嵌入空间。后者还可以补偿大脑反应延迟。此外，我们使用迁移学习来针对每个受试者微调模型。所提出模型的平均分类准确率达到 85%，明显高于最先进的基于卷积神经网络 (CNN) 的模型 (73%) 和线性模型 (69%)。

添加pdf代下载 VIP点击下载文件