基于双卷积神经网络融合的注意力训练研究

学生的学习情况与其课堂注意力状态密切相关。为了探寻注意力训练能否提高课堂注意力，对10名在校学生进行了α音乐训练，并收集了训练前后的非注意和注意状态的脑电（Electroence-phalogram，EEG）信号进行对比研究。由于EEG信号本质上是动态的，且具有低信噪比和高冗余度的特性，为避免直接通过神经网络识别EEG信号效果差的问题，提取了信号的样本熵（Sample entropy，SampEn）、各个波段的能量和能量比共11个特征，并将这些特征进行融合转化为多特征图像，作为神经网络模型的输入。此外，将AlexNet和VGG11两个网络模型进行加权融合构成双卷积神经网络，进一步提高了图像分类性能。结果表明，与单个模型相比，双卷积神经网络融合模型的性能更佳，其识别准确率最高可达到97.53%。研究发现，经过α音乐训练，受试者的脑电特征与此前相比有显著性差异，且网络模型的分类准确率比训练前提高了4%，说明本文所提的α音乐训练能够提高健康学生的注意力水平。