10.3778/j.issn.1002-8331.1808-0404
基于CBLSTM算法的脑电信号特征分类
由于传统的脑电信号分类方法识别率较低,且识别率随着脑电信号类别的增加逐渐下降,针对脑电信号时空特征结合的特点,设计了一个多层的卷积双向LSTM型递归神经网络(CBLSTM)分类模型.此分类模型利用多层的卷积神经网络有效提取脑电序列的频域特征,采用双向LSTM提取脑电信号的时域特征,并将脑电信号序列逐帧输入到此分类模型中进行标记,最后输出分类结果.对比研究验证了所提出方法的可行性,实验表明此分类模型平均分类识别率得到了提高,且鲁棒性较好.
卷积神经网络、递归神经网络、长短期记忆、脑电信号、分类识别
55
TP391(计算技术、计算机技术)
国家自然科学基金61703067
2020-01-03(万方平台首次上网日期,不代表论文的发表时间)
共7页
110-116