An efficient CNN-LSTM network with spectral normalization and label smoothing technologies for SSVEP frequency recognition

计算机科学 规范化(社会学) 平滑的 脑-机接口 人工智能 模式识别(心理学) 卷积神经网络 语音识别 深度学习 脑电图 计算机视觉 心理学 精神科 社会学 人类学
作者
Yudong Pan,Jianbo Chen,Yangsong Zhang,Yu Zhang
出处
期刊:Journal of Neural Engineering [IOP Publishing]
卷期号:19 (5): 056014-056014 被引量:22
标识
DOI:10.1088/1741-2552/ac8dc5
摘要

Abstract Objective . Steady-state visual evoked potentials (SSVEPs) based brain–computer interface (BCI) has received great interests owing to the high information transfer rate and available large number of targets. However, the performance of frequency recognition methods heavily depends on the amount of the calibration data for intra-subject classification. Some research adopted the deep learning (DL) algorithm to conduct the inter-subject classification, which could reduce the calculation procedure, but the performance still has large room to improve compared with the intra-subject classification. Approach . To address these issues, we proposed an efficient SSVEP DL NETwork (termed SSVEPNET) based on one-dimensional convolution and long short-term memory (LSTM) module. To enhance the performance of SSVEPNET, we adopted the spectral normalization and label smoothing technologies during implementing the network architecture. We evaluated the SSVEPNET and compared it with other methods for the intra- and inter-subject classification under different conditions, i.e. two datasets, two time-window lengths (1 s and 0.5 s), three sizes of training data. Main results . Under all the experimental settings, the proposed SSVEPNET achieved the highest average accuracy for the intra- and inter-subject classification on the two SSVEP datasets, when compared with other traditional and DL baseline methods. Significance . The extensive experimental results demonstrate that the proposed DL model holds promise to enhance frequency recognition performance in SSVEP-based BCIs. Besides, the mixed network structures with convolutional neural network and LSTM, and the spectral normalization and label smoothing could be useful optimization strategies to design efficient models for electroencephalography data.
最长约 10秒,即可获得该文献文件

科研通智能强力驱动
Strongly Powered by AbleSci AI
更新
大幅提高文件上传限制,最高150M (2024-4-1)

科研通是完全免费的文献互助平台,具备全网最快的应助速度,最高的求助完成率。 对每一个文献求助,科研通都将尽心尽力,给求助人一个满意的交代。
实时播报
xiao完成签到 ,获得积分10
2秒前
su完成签到 ,获得积分10
2秒前
logolush完成签到 ,获得积分10
10秒前
zhang完成签到 ,获得积分10
11秒前
zhdjj完成签到 ,获得积分10
22秒前
sydhwo完成签到 ,获得积分10
24秒前
无极2023完成签到 ,获得积分10
29秒前
特别圆的正方形完成签到 ,获得积分10
30秒前
iShine完成签到 ,获得积分10
37秒前
会发芽完成签到 ,获得积分10
38秒前
CC2333完成签到 ,获得积分10
41秒前
卓矢完成签到 ,获得积分10
41秒前
jue完成签到 ,获得积分10
44秒前
GuangboXia完成签到,获得积分10
44秒前
研友_LN32Mn完成签到,获得积分10
52秒前
yinhe完成签到 ,获得积分10
55秒前
Singularity应助科研通管家采纳,获得10
58秒前
天天快乐应助科研通管家采纳,获得10
58秒前
Singularity应助科研通管家采纳,获得10
58秒前
传奇3应助科研通管家采纳,获得10
58秒前
范白容完成签到 ,获得积分10
59秒前
但大图完成签到 ,获得积分10
1分钟前
启程牛牛完成签到,获得积分0
1分钟前
侠医2012完成签到,获得积分10
1分钟前
九天完成签到 ,获得积分10
1分钟前
酱豆豆完成签到 ,获得积分10
1分钟前
dent强完成签到 ,获得积分10
1分钟前
Xx完成签到 ,获得积分10
1分钟前
玩命的无春完成签到 ,获得积分10
1分钟前
Bill Wang完成签到 ,获得积分10
1分钟前
大气夜山完成签到 ,获得积分10
1分钟前
邵翎365完成签到,获得积分10
1分钟前
Enchanted完成签到 ,获得积分10
1分钟前
starwan完成签到 ,获得积分10
1分钟前
绿色催化完成签到,获得积分20
1分钟前
woshiwuziq完成签到 ,获得积分10
1分钟前
丹丹完成签到,获得积分10
1分钟前
Jack80发布了新的文献求助50
1分钟前
Heidi完成签到 ,获得积分10
2分钟前
小绵羊完成签到 ,获得积分10
2分钟前
高分求助中
좌파는 어떻게 좌파가 됐나:한국 급진노동운동의 형성과 궤적 2500
Sustainability in Tides Chemistry 1500
TM 5-855-1(Fundamentals of protective design for conventional weapons) 1000
Cognitive linguistics critical concepts in linguistics 800
Threaded Harmony: A Sustainable Approach to Fashion 799
Livre et militantisme : La Cité éditeur 1958-1967 500
氟盐冷却高温堆非能动余热排出性能及安全分析研究 500
热门求助领域 (近24小时)
化学 医学 生物 材料科学 工程类 有机化学 生物化学 物理 内科学 纳米技术 计算机科学 化学工程 复合材料 基因 遗传学 催化作用 物理化学 免疫学 量子力学 细胞生物学
热门帖子
关注 科研通微信公众号,转发送积分 3052652
求助须知:如何正确求助?哪些是违规求助? 2709874
关于积分的说明 7418267
捐赠科研通 2354446
什么是DOI,文献DOI怎么找? 1246020
科研通“疑难数据库(出版商)”最低求助积分说明 605951
版权声明 595921