基于深度強(qiáng)化學(xué)習(xí)的單通道EEG信號(hào)自動(dòng)睡眠分期算法

摘要： 目前，基于腦電(EEG)信號(hào)的人體睡眠分期方法呈現(xiàn)出單通道和網(wǎng)絡(luò)模型深度化的趨勢，然而單通道信息采集使得EEG失去大腦區(qū)域的位置信息，EEG中表征睡眠階段的特征因趨向稀疏化而難以提取，同時(shí)深度網(wǎng)絡(luò)的共性問題——模型及其訓(xùn)練的超參數(shù)的人工設(shè)定使得訓(xùn)練過程盲目且低效，這些問題導(dǎo)致自動(dòng)睡眠分期方法的準(zhǔn)確率低。為此，提出利用密集連接網(wǎng)絡(luò)(DenseNet)對(duì)模型層間特征重用功能，挖掘深... （共6頁）