基于混合深度神经网络从 EEG 信号分类注意力分散程度
人机交互
2022-12-15 v1 人工智能
信号处理
摘要
非侵入式脑机接口技术已发展为可高性能检测人类心理状态。飞行员心理状态的检测尤为关键，因为其异常心理状态可能导致灾难性事故。在本研究中，我们展示了通过应用深度学习方法对注意力分散程度（即正常状态、低度分散和高度分散）进行分类的可行性。据我们所知，本研究是在飞行环境下对注意力分散程度进行分类的首次尝试。我们提出了一种用于分类注意力分散程度的模型。共十名飞行员在模拟飞行环境中进行了实验。跨所有受试者分类注意力分散程度的总平均准确率为 0.8437。因此，我们相信其未来将显著贡献于基于人工智能技术的自动驾驶或飞行。
引用
@article{arxiv.2212.06830,
title = {Classification of Distraction Levels Using Hybrid Deep Neural Networks From EEG Signals},
author = {Dae-Hyeok Lee and Sung-Jin Kim and Yeon-Woo Choi},
journal= {arXiv preprint arXiv:2212.06830},
year = {2022}
}
备注
4 pages, 2 figures, 1 table