机构名称：
¥ 1.0
脑电图 (EEG) 广泛应用于脑机接口研究 [15]。利用 EEG 信号对认知任务进行分类一直是过去几十年的讨论焦点 [16]。低信噪比是 EEG 信号分类的常见障碍。虽然多种类型的机器学习和深度学习算法已用于认知任务分类 [4, 12, 23]，但如果没有适当的噪声分离，EEG 信号分类的准确性就会遇到瓶颈。EEG 数据中的噪声可能来自各种来源，主要可分为两大类：i）来自外界的噪声，包括环境噪声、实验设置引起的噪声和静电引起的噪声等因素；ii）来自人体的噪声，包括眨眼和呼吸等身体活动以及分散注意力的想法等心理活动 [25]。尽管已经进行了大量研究并取得了成功，可以消除外部噪音 [14]，但检测和消除内部噪音的问题仍然是一个需要进一步探索的领域。本文将重点关注后者的噪音来源，即心理活动的噪音，旨在设计一种算法来检测和消除心理干扰造成的噪音。
EEG 白日梦，一种检测白日梦活动的机器学习方法
主要关键词
相关文件推荐
