基于想象运动脑——机接口的RLSTM-Dense手势识别模型研究

论文摘要

针对"BCI盲"问题,在传统的长短时记忆神经网络算法中添加一个惩罚项,提出RLSTM模型,并将新的RLSTM算法与全连接层相结合,构建RLSTM-Dense识别模型。实验结果表明,基于RLSTM-Dense和IM BCI的手势识别准确率高达96.51%,有效地解决了"BCI盲"问题。

论文目录

• 1 引言
• 2 想象运动脑—机接口
•   2.1 受试者
•   2.2 想象运动脑—机接口实现原理
•   2.3 EEG信号的采集
•   2.4 数据集的制作
• 3 搭建RLSTM-Dense识别模型
•   3.1 RLSTM算法
•   3.2 分类模型的构建
• 4 实验结果分析
•   4.1 参数的选择
•   4.2 分类模型的训练
• 5 结束语

文章来源

类型: 国内会议

作者: 王涛,魏佳鑫,郭一娜

关键词: 脑机接口,想象运动,手势识别,长短期记忆网络,全连接层

来源: 2019中国信息通信大会（CICC 2019） 2019-11-30

年度: 2019

分类: 基础科学,医药卫生科技,信息科技

专业: 生物学,生物医学工程,电信技术

单位: 太原科技大学

分类号: R318;TN911.7

DOI: 10.26914/c.cnkihy.2019.068440

页码: 391-396

总页数: 6

文件大小: 2013k

下载量: 16