System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本专利技术涉及深度学习,尤其涉及一种基于eeg数据和深度学习的监测方法。
技术介绍
1、随着现代教育技术的快速发展,如何准确、实时地评估学生的学习和理解情况已经成为教育研究和实践中的一个核心问题。传统的教学评估方法,如书面测试、口头提问和问卷调查等等。虽然以往被广泛使用,但存在反馈滞后、主观性强和缺乏个性化等问题,结果与现实存在较大的误差。因此人们在慢慢寻找利用技术手段来解决如何准确评估学生理解能力的办法。
2、近年来,随着神经科学和生物医学工程的进步,人们开始探索利用脑电波(eeg)技术来评估学生的认知和情感状态。eeg是一种记录大脑神经元活动的无创技术,能够提供关于大脑功能和结构的丰富信息。通过分析eeg数据,研究者可以获取到学生的注意力、情感和认知负荷等关键指标。
3、然而,将eeg技术应用于教育评估中仍然面临许多挑战。首先,eeg数据的采集和处理需要专业的设备和知识,对普通教育者来说难以接受。其次,如何从大量的eeg数据中提取有意义的特征,然后利用这些特征准确地预测学生的学习和理解情况,也是一个尚未解决的技术难题。最后,如何通过简单易行的操作操作设备来达到准确判断,而不是由于复杂操作导致使用者使用时存在错误使得数据存在误差。也是现在技术测量专注度的一个重大难题。
技术实现思路
1、本专利技术的目的在于提供一种基于eeg数据和深度学习的监测方法,旨在解决将eeg技术应用于教育评估中仍然面临许多挑战的问题。
2、为实现上述目的,本专利技术提供
3、使用通道耳机,通过电极配置在学生的头部捕捉大脑神经元放电所产生的电流变化,获取到测试数据;
4、对eeg公开数据集进行筛选和预处理,得到训练集和测试集;
5、所述训练集数据经过预处理后通过神经网络层构建神经网络模型进行深度特征提取,得到深度特征;
6、对所述深度特征使用随机森林机器学习算法建模,得出模型,并使用所述测试集对所述模型进行验证,得到eeg分类模型;
7、使用所述eeg分类模型对所述测试数据进行预测验证,使用混淆矩阵对模型的性能进行可视化判断。
8、其中,所述通道耳机为emotiv epoc x14通道耳机,采样频率为128hz。
9、其中,所述对eeg公开数据集进行筛选和预处理,得到训练集和测试集,包括:
10、z-score方法对eeg公开数据集进行筛选,将所述eeg公开数据集中与众数的差值超过3倍标准差的数据点视为异常值并进行清除,得到各个电极采集的'alpha','betal','betah','theta','gamma'数据;
11、使用standardscaler原理对所述数据进行去均值和方差归一化,得到预处理数据;
12、将所述预处理数据以8:2的比例分为训练集和测试集。
13、其中,所述神经网络层包括深度学习算法、随机失活和全连接层。
14、其中,所述构建神经网络模型使用长短时记忆网络算法构建神经网络模型。
15、本专利技术的一种基于eeg数据和深度学习的监测方法,通过使用通道耳机,通过电极配置在学生的头部捕捉大脑神经元放电所产生的电流变化,获取到测试数据;对eeg公开数据集进行筛选和预处理,得到训练集和测试集;所述训练集数据经过预处理后通过神经网络层构建神经网络模型进行深度特征提取,得到深度特征;对所述深度特征使用随机森林机器学习算法建模,得出模型,并使用所述测试集对所述模型进行验证,得到eeg分类模型;使用所述eeg分类模型对所述测试数据进行预测验证,使用混淆矩阵对模型的性能进行可视化判断,本专利技术提供了一种基于eeg数据和深度学习的监测方法,通过使用emotiv epocx14通道耳机获取数据,通过特定的电极配置在学生的头部捕捉大脑神经元放电所产生的电流变化。该设备能够在预设的时间间隔内,连续并稳定地捕获学生的脑电信号。我们将数据通过深度学习建模进行信号的分类,目的是实时评估学生在课堂上的理解程度。解决了将eeg技术应用于教育评估中仍然面临许多挑战的问题。
本文档来自技高网...【技术保护点】
1.一种基于EEG数据和深度学习的监测方法,其特征在于,包括以下步骤:
2.如权利要求1所述的基于EEG数据和深度学习的监测方法,其特征在于,
3.如权利要求1所述的基于EEG数据和深度学习的监测方法,其特征在于,
4.如权利要求1所述的基于EEG数据和深度学习的监测方法,其特征在于,
5.如权利要求4所述的基于EEG数据和深度学习的监测方法,其特征在于,
【技术特征摘要】
1.一种基于eeg数据和深度学习的监测方法,其特征在于,包括以下步骤:
2.如权利要求1所述的基于eeg数据和深度学习的监测方法,其特征在于,
3.如权利要求1所述的基于eeg数据...
【专利技术属性】
技术研发人员:龚子豪,刘隽丞,张睿康,陈艺鑫,
申请(专利权)人:桂林电子科技大学,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。