机构名称：
¥ 2.0
摘要：疲劳驾驶是造成交通事故的主要原因之一，基于脑电图（EEG）的心理状态分析方法是一种有效、客观的疲劳检测方法。然而，由于脑电图在不同受试者中存在显著差异，如何将现有受试者的脑电图分析模型有效地“迁移”到其他受试者的脑电信号上仍是一个挑战。领域对抗神经网络（DANN）在迁移学习中表现优异，尤其在文档分析和图像识别领域，但尚未直接应用于基于脑电图的跨受试者疲劳检测。本文提出了一种基于DANN的模型Generative-DANN（GDANN），该模型结合生成对抗网络（GAN）来增强其能力，解决了不同受试者脑电图分布不同的问题。对比结果表明，在跨受试者任务分析中，GDANN 对跨受试者疲劳检测的平均准确率为 91.63%，高于传统分类模型，有望在实际脑机交互（BCI）中具有更为广阔的应用前景。
基于脑电图的跨受试者疲劳心理状态预测迁移学习方法
主要关键词
相关文件推荐
