UNIVERSI
TÄ
TS-
BIBLIOTHEK
P
ADERBORN
Anmelden
Menü
Menü
Start
Hilfe
Blog
Weitere Dienste
Neuerwerbungslisten
Fachsystematik Bücher
Erwerbungsvorschlag
Bestellung aus dem Magazin
Fernleihe
Einstellungen
Sprache
Deutsch
Deutsch
Englisch
Farbschema
Hell
Dunkel
Automatisch
Sie befinden Sich nicht im Netzwerk der Universität Paderborn. Der Zugriff auf elektronische Ressourcen ist
gegebenenfalls
nur via VPN oder Shibboleth (DFN-AAI) möglich.
mehr Informationen...
Universitätsbibliothek
Katalog
Suche
Details
Zur Ergebnisliste
Ergebnis 4 von 84
Datensatz exportieren als...
BibTeX
基于脑电信号深度迁移学习的驾驶疲劳检测
电子与信息学报, 2019-09, Vol.41 (9), p.2264-2272
王斐
吴仕超
刘少林
张亚徽
魏颖
2019
Volltextzugriff (PDF)
Details
Autor(en) / Beteiligte
王斐
吴仕超
刘少林
张亚徽
魏颖
Titel
基于脑电信号深度迁移学习的驾驶疲劳检测
Ist Teil von
电子与信息学报, 2019-09, Vol.41 (9), p.2264-2272
Ort / Verlag
东北大学机器人科学与工程学院 沈阳 110169%东北大学信息科学与工程学院 沈阳 110819
Erscheinungsjahr
2019
Quelle
Alma/SFX Local Collection
Beschreibungen/Notizen
TP391; 脑电信号一直被誉为疲劳检测的"金标准",驾驶者的精神状态可通过对脑电信号的分析得到.但由于脑电信号具有非线性、非平稳性和空间分辨率低等特点,传统的机器学习方法在运用脑电信号进行疲劳检测时还存在识别率低,特征提取操作繁琐等不足.为此,该文基于脑电信号的电极-频率分布图,提出运用深度迁移学习实现的驾驶疲劳检测方法,即搭建深度卷积神经网络,并利用SEED脑电情绪数据集对其进行预训练,然后通过迁移学习方法将其用于驾驶疲劳检测.实验结果表明,卷积神经网络模型能够很好地从电极-频率分布图中获得与疲劳状态相关的特征信息,达到较好的识别效果.此外,基于迁移学习策略可以将训练好的深度网络模型迁移到其他识别任务上,有助于推动脑电信号在驾驶疲劳检测系统中的应用.
Sprache
Chinesisch
Identifikatoren
ISSN: 1009-5896
DOI: 10.11999/JEIT180900
Titel-ID: cdi_wanfang_journals_dzkxxk201909032
Format
–
Weiterführende Literatur
Empfehlungen zum selben Thema automatisch vorgeschlagen von
bX