利用混合深度神经网络从 EEG 信号解码飞行员疲劳水平
信号处理
2024-11-18 v1 人机交互
机器学习
摘要
检测飞行员的心理状态至关重要，因为异常心理状态可能导致灾难性事故。本研究证明了使用深度学习技术对不同疲劳水平（具体为正常状态、低疲劳和高疲劳）进行分类的可行性。据我们所知，这是首个对飞行员疲劳水平进行分类的研究。我们的方法采用包含五个卷积块和一个长短期记忆块的混合深度神经网络，从脑电图 (EEG) 信号中提取显著特征。十名飞行员参与了在模拟飞行环境中进行的实验。与四个传统模型相比，我们提出的模型实现了 0.8801 的优越总体平均准确率，在疲劳水平分类上比其他模型高出至少 0.0599。除了成功分类疲劳水平外，我们的模型还为受试者提供了有价值的反馈。因此，我们预期本研究将为利用人工智能推进自主飞行和驾驶技术做出重要贡献。
引用
@article{arxiv.2411.09707,
title = {Decoding Fatigue Levels of Pilots Using EEG Signals with Hybrid Deep Neural Networks},
author = {Dae-Hyeok Lee and Sung-Jin Kim and Si-Hyun Kim},
journal= {arXiv preprint arXiv:2411.09707},
year = {2024}
}
备注
4 pages, 3 figures, 1 table, Name of Conference: International Winter Conference on Brain-Computer Interface