摘要
本发明公开了一种基于四维注意力卷积循环神经网络的疲劳分类方法,包括以下步骤:S1、采集脑电信号并输入四维特征提取模块,提取脑电信号的四维特征;S2、将提取到的四维特征输入注意力模块,到拥有空间‑通道注意力的特征;S3、将拥有空间‑通道注意力的特征输入卷积循环神经网络模块,进行疲劳分类。本发明解决了基于脑电信号的神经网络可解释性差的问题,它不仅提高了分类的准确率,并且通过它可以从空间和频带的角度进行可视化,提高网络的可解释性。使用深度可分离卷积层,相比于普通卷积层,模型大小降低了70%左右,准确率却提高1.44%,并且提出一种双分支深度可分离卷积,对空间信息的处理上融合了两种尺度感受野,进一步将准确率提高0.45%。