科研之友
微信
新浪微博
Facebook
分享链接
摘要
本发明公开了一种基于模型不确定性学习的脑电信号分类方法,其步骤包括：1,对于原始脑电数据进行预处理,包括数据选择、滑窗切片、发作前期数据上采样和数据输入形状的选择；2,建立Pelee网络的深度学习模型；3,在模型尾部嵌入一个dropout层；4,训练阶段,输入数据并通过交叉熵损失不断优化模型参数,获得最终分类模型用于待测试脑电信号的分类；5,在测试阶段,结合本发明改进的基于连续样本时间信息聚合的蒙特卡洛丢弃采样技术,对待分类的脑电样本进行预测分类。本发明将模型不确定性结合到轻量化的网络(PeleeNet)中,能够显著提升脑电信号分类准确率,从而增加脑电信号在医疗等领域的应用价值。
- 单位
