Abstract: Q. Zhang, Z. Yuan, H. Chen, X. Li (2019)

Mental workload (MWL) is the occupancy rate of mental resource under working condition. MWL has a strong impact on human performance. Electroencephalogram (EEG) is one of the most potential psychophysiological measures to identify the level of MWL and to investigate the neural mechanism of MWL. Deep learning (DL) techniques have made tremendous progress, and are expected to solve the problem of MWL identification. However the representation of EEG data can be handicap when applying DL to EEG analysis. This paper proposes a MWL identification method based on recurrence plot (RP) and DL. The MWL data is scarce, so the transfer learning was used to build the DL model. EEG signals were converted into RPs as the input to the DL model. The results showed that this method reached an accuracy of 87.6 pm 2.82 %, which outperformed the existed method. This study provided methodological contribution to the identification of WML.

Please note: The abstracts of the bibliography database may underly other copyrights.

Ihr Browser versucht gerade eine Seite aus dem sogenannten Internet auszudrucken. Das Internet ist ein weltweites Netzwerk von Computern, das den Menschen ganz neue Möglichkeiten der Kommunikation bietet.

Da Politiker im Regelfall von neuen Dingen nichts verstehen, halten wir es für notwendig, sie davor zu schützen. Dies ist im beidseitigen Interesse, da unnötige Angstzustände bei Ihnen verhindert werden, ebenso wie es uns vor profilierungs- und machtsüchtigen Politikern schützt.

Sollten Sie der Meinung sein, dass Sie diese Internetseite dennoch sehen sollten, so können Sie jederzeit durch normalen Gebrauch eines Internetbrowsers darauf zugreifen. Dazu sind aber minimale Computerkenntnisse erforderlich. Sollten Sie diese nicht haben, vergessen Sie einfach dieses Internet und lassen uns in Ruhe.

Die Umgehung dieser Ausdrucksperre ist nach §95a UrhG verboten.

Mehr Informationen unter www.politiker-stopp.de.

Identifying mental workload using EEG and deep learning