APP下载

基于深度信念网络的脑电信号疲劳检测系统研究

2021-07-14周扬

科技视界 2021年18期
关键词:深度信号检测

周 扬

(湖南科技学院,湖南 永州 411201)

0 引言

基于深度信念网络展开脑电信号疲劳检测系统的设计和应用,相比于以往的疲劳检测系统,应用效能更强、检测效率更高,能够在短时间内实现脑电信号相关特征数据的高效检测,也不会因为检测环境的变化而受到影响,普适应较强,能够切实保障人们的生命财产安全。

1 深度信念网络的基本运作原理

深度信念网络最早在2006年由Hinton提出,通常是由多个受限玻尔兹曼机和一层分类器堆叠构成。现在已经广泛应用于社会生活的方方面面,如语音识别、生物特征识别和疾病预防检测等领域。受限玻尔兹曼机是由玻尔兹曼机演变发展而来,实现了应用效能的优化,受限玻尔兹曼机由可见层和隐含层构成,两个层体结构之间并没有任何直接关系,整个结构模型基于能量构建而成,每一种能量构成代表着不同的状态,能量值的高低也会直接反映模型结构本身的功能性和稳定性。

2 基于深度信念网络的脑电信号疲劳检测系统发展现状

现阶段,脑电信号疲劳检测系统处于不断发展过程中,还存在很大的进步发展空间,并未构建统一的评价标准。较多应用于个别疲劳状态的检测,需要工作人员不断加强技术研究,促使疲劳检测系统能够朝向高效化、智能化的方向发展。

基于深度信念网络的脑电信号疲劳检测系统与传统的疲劳检测系统相比,在检测效率和检测性能上都有所提升。疲劳驾驶检测通常都会采用面部识别的方法,通过人脸面部特征和信息识别,实现疲劳情况的实时检测,这个方法虽然能够快速采集人脸信息,但是很容易因为外界环境变化而受到影响,使实际检测效率降低。……

登录APP查看全文

猜你喜欢

深度信号检测
信号
完形填空二则
深度观察
深度观察
深度观察
基于FPGA的多功能信号发生器的设计
小波变换在PCB缺陷检测中的应用
基于LabVIEW的力加载信号采集与PID控制