在本文中,我们证明可以使用生成对抗网络 (GAN) 从原始脑电图 (EEG) 特征生成更有意义的脑电图 (EEG) 特征,从而提高基于脑电图的连续语音识别系统的性能。我们使用 [1] 中的数据集对作者展示的一些测试时间实验进行了改进,对于其他情况,我们的结果与他们的结果相当。我们提出的方法可以在不使用任何额外传感器信息的情况下实现,而在 [1] 中,作者使用了声学或发音信息等额外特征来提高基于脑电图的连续语音识别系统的性能。索引词:脑电图 (EEG)、语音识别、深度学习、生成对抗网络 (GAN)、技术可及性
![arXiv:2006.01260v1 [eess.AS] 2020 年 5 月 29 日PDF文件第1页](/bimg/9/9fc9dbbd967b9f68fb6e62918599cb624593df19.webp)
![arXiv:2006.01260v1 [eess.AS] 2020 年 5 月 29 日PDF文件第2页](/bimg/1/123061b8f70300def9b39f75f03f0bf8852d6b6d.webp)
![arXiv:2006.01260v1 [eess.AS] 2020 年 5 月 29 日PDF文件第3页](/bimg/0/0202a3c6a91081a50e49d062fe66e3b5c86cb4f7.webp)
![arXiv:2006.01260v1 [eess.AS] 2020 年 5 月 29 日PDF文件第4页](/bimg/3/39c77dbaf21965495216cba83d90932a0f82836c.webp)
![arXiv:2006.01260v1 [eess.AS] 2020 年 5 月 29 日PDF文件第5页](/bimg/e/ef91865ecf900bc13563ea4d14e8e7471b0a86f2.webp)
