基于卷积神经网络的P300事件相关电位分类识别

摘要：

针对脑机接口系统中P300电位识别正确率不高的问题,提出一种基于改进卷积神经网络的P300事件相关电位分类识别方法.通过将传统卷积神经网络中第二个串行连接的卷积层改为3个并行连接的卷积层,可加大网络宽度,提升网络对P300信号特征提取的能力;将提取的特征经全互连层组合后,采用sigmoid函数构建P300事件相关电位分类器.针对脑机接口竞赛数据中靶刺激与非靶刺激数据量不平衡的问题,采用过抽样方式,对含有P300事件相关电位的脑电数据做部分平均来增加数据量,其训练集和测试集样本量分别为25 500和18 000.采用Adam优化方法,有监督地训练这种改进的卷积神经网络.结果表明,相比传统的卷积神经网络,该方法在实验次数大于11次时,字符识别正确率均高于95％,这对于脑机接口的应用具有重要的意义.

关键词：P300、深度学习、卷积神经网络、分类识别

所属期刊栏目：37

分类号：R318(医用一般科学)

资助基金：国家自然科学基金61671105,61172108,61139001

在线出版日期：2019-02-27（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：657-664