基于 EEG 的驾驶员 drowsiness 估计：使用卷积神经网络
人机交互
2018-09-05 v1 机器学习
摘要
深度学习，包括卷积神经网络（CNNs），已开始应用于脑机接口（BCIs）。然而，迄今为止大多数此类方法聚焦于 BCI 分类问题。本文将用于 BCI 分类的三层 CNN 模型 EEGNet 扩展至 BCI 回归，并利用一种新颖的谱元学习器回归（SMLR）方法聚合多个 EEGNet 以提升性能。我们的模型使用 EEG 信号的功率谱密度（PSD）作为输入。与原始 EEG 输入相比，PSD 输入可显著降低计算成本，同时取得远优的回归性能。基于 EEG 信号的驾驶员 drowsiness 估计实验证明了我们方法的卓越性能。
引用
@article{arxiv.1809.00929,
title = {EEG-Based Driver Drowsiness Estimation Using Convolutional Neural Networks},
author = {Yuqi Cui and Dongrui Wu},
journal= {arXiv preprint arXiv:1809.00929},
year = {2018}
}