机构名称：
¥ 1.0
使用脑电图信号的认知载荷识别（CLR）近年来经历了显着的进步。但是，当前的载荷范式通常依赖于简单的认知任务，例如算术计算，无法充分复制现实世界情景和缺乏适用性。本研究随着时间的推移探讨了模拟的飞行任务，以更好地反映运行环境并研究多个负载状态的时间动态。36名参与者以执行模拟飞行任务，而低，中和高的认知负荷水平不同。在整个实验中，我们从三个课程，前后静止状态的脑电图数据，主观评分和客观绩效指标中收集了脑电图负载数据。然后，我们采用了几种深卷卷神经网络（CNN）模型，利用RAW EEG数据作为模型输入，以六个分类设计评估认知负载水平。研究的关键发现包括（1）静止状态和疲劳后脑电图数据之间的显着区别； （2）与更复杂的CNN模型相比，浅CNN模型的出色性能； （3）随着任务的进行，CLR的时间动态下降。本文为在不同个体的复杂模拟任务中评估认知状态的潜在基础。
居住的微生物
主要关键词
相关文件推荐
