基于CWGAN-ABiLSTM-FCN的运动想象脑电信号分类OA北大核心
Motion imaging EEG classification based on CWGAN-ABiLSTM-FCN
针对运动想象脑电信号(MI-EEG)样本数据分布不平衡、时序特征提取时对长距离的依赖和关注度不均衡、局部特征提取难导致的基于MI-EEG的运动意图识别实时性差、精度低的问题,提出一种融合改进的双向长短时记忆神经网络(BiLSTM)和全卷积神经网络(FCN)的MI-EEG信号分类方法.首先,该方法利用条件生成对抗网络产生虚假的MI-EEG信号样本,实现训练样本集的有效扩充,解决了数据集过少且各类别数量不平衡的问题;其次,利用双向自注意力长短时记忆神…查看全部>>
In view of the poor real-time performance and low accuracy of motion intention recognition based on MI-EEG(motor imagery EEG),such as unbalanced distribution of sample data of MI-EEG,imbalance dependence and attention on long distance in the extraction of time-series feature,and the difficulties in extracting the local feature,an MI-EEG signal classification method combining improved bidirectional long short-term memory(BiLSTM)neural network and full convolu…查看全部>>
吴生彪;程显朋;李花宁
东华理工大学 机械与电子工程学院,江西 南昌 330013||江西省康复辅具技术研究院,江西 南昌 330013东华理工大学 机械与电子工程学院,江西 南昌 330013东华理工大学 机械与电子工程学院,江西 南昌 330013
电子信息工程
运动想象脑电信号分类生成对抗网络长短时记忆网络全卷积神经网络注意力机制
MIEEG classificationGANLSTM neural networkFCNattention mechanism
《现代电子技术》 2025 (7)
57-64,8
国家自然科学基金项目(62141102)江西省教育厅科学技术研究项目(GJJ2200726)东华理工大学博士科学研究基金项目(DH-BK2019178)
评论