本文選題：卷積神經(jīng)網(wǎng)絡(luò)(CNN)　切入點(diǎn)：腦電信號(hào)(EEG)　出處：《浙江大學(xué)學(xué)報(bào)(工學(xué)版)》2017年07期

【摘要】：為了在腦機(jī)交互中能夠?qū)\(yùn)動(dòng)意圖進(jìn)行識(shí)別,使設(shè)備能夠預(yù)判人的行為動(dòng)作并提前作出反應(yīng),腦電(EEG)信號(hào)運(yùn)用學(xué)習(xí)過(guò)程去解碼,并建立識(shí)別機(jī)制.針對(duì)傳統(tǒng)生物信號(hào)模式識(shí)別模型中手動(dòng)提取特征可能會(huì)產(chǎn)生信息損失的問(wèn)題,引入深度學(xué)習(xí)的卷積神經(jīng)網(wǎng)絡(luò)(CNN),并和目前廣泛使用的兩種特征提取方法使用BP神經(jīng)網(wǎng)絡(luò)分類進(jìn)行對(duì)比.結(jié)果顯示,CNN在左、右手2分類動(dòng)作和單手3分類動(dòng)作中,提高識(shí)別精度分別約為4%和8%,增加了動(dòng)作預(yù)測(cè)的可靠性.通過(guò)對(duì)上肢運(yùn)動(dòng)意圖識(shí)別的討論,可以更好地進(jìn)行腦機(jī)交互控制,并加深對(duì)中樞神經(jīng)信號(hào)與手部動(dòng)作關(guān)系的理解.
[Abstract]:In order to recognize the motion intention in the brain-computer interaction, so that the device can prejudge the human behavior and react in advance, the EEG EGG signal is decoded by the learning process. Aiming at the problem of information loss caused by manual feature extraction in traditional biological signal pattern recognition model, In this paper, the convolution neural network with deep learning is introduced and compared with two widely used feature extraction methods, BP neural network classification. The results show that CNN is in the left and right hand 2 classifying actions and the single hand 3 classifying actions. The recognition accuracy is increased by about 4% and 8% respectively, which increases the reliability of motion prediction. Through the discussion of upper limb motion intention recognition, the brain-computer interaction control can be better carried out, and the relationship between central nervous signals and hand movements can be further understood.
【作者單位】： 浙江大學(xué)計(jì)算機(jī)科學(xué)與技術(shù)學(xué)院;貴州大學(xué)機(jī)械工程學(xué)院;
【基金】：國(guó)家自然科學(xué)基金資助項(xiàng)目(61303137,61402141) 國(guó)家教育部博士點(diǎn)基金資助項(xiàng)目(20130101110148)
【分類號(hào)】：R318;TP183

【相似文獻(xiàn)】

相關(guān)會(huì)議論文 前10條

1 敖麗娟;;康復(fù)治療中的上肢運(yùn)動(dòng)學(xué)與運(yùn)動(dòng)控制[A];中國(guó)康復(fù)醫(yī)學(xué)會(huì)第七次全國(guó)康復(fù)治療學(xué)術(shù)會(huì)議主題報(bào)告、學(xué)術(shù)交流論文匯編[C];2010年

2 湯強(qiáng);盛蕾;朱衛(wèi)紅;李森;吳翠娥;;不同形式上肢運(yùn)動(dòng)能量消耗的特征研究[A];全民健身科學(xué)大會(huì)論文摘要集[C];2009年

3 甕長(zhǎng)水;王軍;潘小燕;于增志;王剛;王文清;高麗萍;霍春暖;;強(qiáng)制性使用運(yùn)動(dòng)療法在最低上肢運(yùn)動(dòng)標(biāo)準(zhǔn)慢性中風(fēng)偏癱患者中的效力[A];中國(guó)康復(fù)醫(yī)學(xué)會(huì)第五屆全國(guó)康復(fù)治療學(xué)術(shù)會(huì)議論文集[C];2006年

4 陳江;夏小學(xué);楊炳森;汪善忠;;強(qiáng)制性運(yùn)動(dòng)療法對(duì)腦損傷性偏癱患者上肢運(yùn)動(dòng)改善情況的分析[A];2005年浙江省神經(jīng)外科學(xué)術(shù)會(huì)議論文匯編[C];2005年

5 廖維靖;;TBI上肢運(yùn)動(dòng)控制障礙的處理[A];首屆全國(guó)腦外傷治療與康復(fù)學(xué)術(shù)大會(huì)論文匯編（中）[C];2011年

6 戴玲;陳旗;王翔;;作業(yè)治療對(duì)偏癱側(cè)上肢運(yùn)動(dòng)能力及患者ADL獨(dú)立水平的影響[A];第三屆全國(guó)康復(fù)醫(yī)學(xué)青年學(xué)術(shù)會(huì)議論文集[C];1999年

7 翁長(zhǎng)水;高懷民;徐軍;于增志;;腦卒中偏癱患者健側(cè)上肢運(yùn)動(dòng)控制障礙的研究[A];中國(guó)康復(fù)醫(yī)學(xué)會(huì)第四屆會(huì)員代表大會(huì)暨第三屆中國(guó)康復(fù)醫(yī)學(xué)學(xué)術(shù)大會(huì)論文匯編[C];2001年

8 董培;崔方圓;張華;譚中建;鄒憶懷;;健康人與偏癱患者左上肢運(yùn)動(dòng)的功能核磁研究[A];國(guó)家中醫(yī)藥管理局腦病重點(diǎn)研究室建設(shè)研討會(huì)暨中風(fēng)病科研成果推廣交流會(huì)論文匯編[C];2010年

9 鐘曉閔;宋春江;;強(qiáng)制誘導(dǎo)運(yùn)動(dòng)治療在腦梗死患者上肢運(yùn)動(dòng)障礙的臨床應(yīng)用[A];中華醫(yī)學(xué)會(huì)第十三次全國(guó)神經(jīng)病學(xué)學(xué)術(shù)會(huì)議論文匯編[C];2010年

10 王偉祥;姜賀;;強(qiáng)制性使用運(yùn)動(dòng)療法對(duì)腦卒中后上肢運(yùn)動(dòng)障礙30例患者的臨床觀察[A];中國(guó)康復(fù)醫(yī)學(xué)會(huì)第十三屆全國(guó)腦血管病康復(fù)學(xué)術(shù)會(huì)議會(huì)議指南[C];2010年

相關(guān)博士學(xué)位論文 前1條

1 蔣蘇;在體光遺傳學(xué)—電生理相結(jié)合研究—側(cè)半球控制雙側(cè)上肢運(yùn)動(dòng)的腦功能重塑機(jī)制[D];復(fù)旦大學(xué);2014年

相關(guān)碩士學(xué)位論文 前3條

1 趙華平;基于上肢運(yùn)動(dòng)信息的接口技術(shù)研究[D];東南大學(xué);2015年

2 余婷;吸入麻醉藥七氟醚和異氟醚對(duì)上肢運(yùn)動(dòng)誘發(fā)電位的影響[D];廣州醫(yī)科大學(xué);2014年

3 王璐;面向上肢運(yùn)動(dòng)功能康復(fù)訓(xùn)練-測(cè)評(píng)的單目視頻人體動(dòng)作感知與識(shí)別技術(shù)研究[D];天津大學(xué);2012年

，

本文編號(hào)：1670664