使用脑电图的卷积脉冲神经网络检测预期性脑电位

摘要：使用卷积脉冲神经网络（CSNN）作为分类器来检测人类参与者的刹车意图相关的预期缓慢皮层电位的可行性研究。通过在模拟城市环境的测试床上操作远程控制车辆的实验中收集的脑电图（EEG）数据来评估实验。参与者通过音频倒计时提示即将出现的刹车事件，以引发预期电位，并使用EEG进行测量。通过10倍交叉验证将CSNN的性能与标准卷积神经网络（CNN）和三个图神经网络（GNN）进行比较。结果表明，CSNN的性能优于其他神经网络。

作者：Nathan Lutes, Venkata Sriram Siddhardh Nadendla and K. Krishnamurthy

论文ID：2208.06900

分类：Neural and Evolutionary Computing

分类简称：cs.NE

提交时间：2022-08-16

PDF 下载： 英文版 中文版pdf翻译中