技术总结
本发明公开了一种基于舒尔特方格与LSTM的多级注意力分级方法，包括步骤：一、获取有效注意力样本数据；二、有效注意力样本数据的预处理；三、均值化预处理后的有效注意力样本数据的去噪；四、构建注意力样本数据库；五、LSTM深度神经网络的训练；六、多级注意力的分级。本发明构建舒尔特方格的注意力采集范式，量化检验指标，提升数据客观性，采用原始脑波数据，保证数据完整性，训练LSTM深度神经网络分级模型，对注意力进行多级分级，预留注意力测试样本数据集合验证注意力等级分级效果，完全可以表征不同注意力水平，保留脑电信号的时序信号的特征提取，极大提高识别准确率。极大提高识别准确率。极大提高识别准确率。
技术研发人员：王湃 吴凡 乔详 郭春勇 谢双强 秦学斌 汪梅
受保护的技术使用者：西安科技大学
技术研发日：2020.11.04
技术公布日：2021/2/8