文献

J-GLOBAL ID：201802245018768777   整理番号：18A0708690

深部学習を用いた車両ドライバのEEG信号ベース認知負荷検出【JST・京大機械翻訳】

EEG-signals based cognitive workload detection of vehicle driver using deep learning

著者 (3件)： Almogbel Mohammad A. (Department. of Computer Science. and Communications Engineering, Graduate School of Fundamental Science and Engineering. Waseda University, Tokyo, Japan) ,  Dang Anh H. (GITS, Waseda University, Tokyo, Japan) ,  Kameyama Wataru (Faculty of Science and Engineering, Waseda University, Tokyo, Japan)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2018  号： ICACT  ページ： 256-259  発行年： 2018年 
JST資料番号： W2441A  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 最適な性能と注意を維持するための車両運転者の能力は,交通の安全性を確保するために不可欠である。脳波(EEG)信号は,特定の作業下で人間の認知状態を評価するのに有効であることが証明されている。本論文において,著者らは,EEG信号に関する深い学習の利用を提案して,高くて低い作業負荷作業の下で運転者の認知作業負荷を検出した。本研究で用いたデータは,高忠実度運転シミュレータで行った複数の運転セッションを通して収集した。EEGの4チャネルのみで行った予備実験結果は,提案したシステムが,改善のための大きな可能性を持つドライバの認知作業負荷を正確に検出できることを示した。Copyright 2018 The Institute of Electrical and Electronics Engineers, Inc. All Rights reserved. Translated from English into Japanese by JST【JST・京大機械翻訳】

シソーラス用語： チャネル ,  安全性 ,  脳波 ,  *深部 ,  *学習 ,  予備実験 ,  ドライビングシミュレータ ,  自動車運転 ,  *脳波信号
準シソーラス用語： *認知負荷 , 【Automatic Indexing@JST】

分類 (1件)： 生体計測  (EL03020C)

タイトルに関連する用語 (5件)： 深部 ,  学習 ,  ドライバ ,  EEG信号 ,  認知負荷