基于深度主题模型的飞行员脑疲劳检测

您当前的位置：

首页 >

文章列表页 >

基于深度主题模型的飞行员脑疲劳检测

学术论文 | 更新时间：2025-12-08

上一篇|下一篇

- 基于深度主题模型的飞行员脑疲劳检测
- Pilot’s Brain Fatigue Detection Based on Deep Topic Model
- 吴奇，陈琪琦，彭献永，仇峰
- 电子学报 2022年50卷第8期页码：1801-1810
- 作者机构：
  1.上海交通大学自动化系，上海 200240
  2.系统控制与信息处理教育部重点实验，上海 200240
  3.上海工业智能管控工程技术研究中心，上海 200240
  4.中国矿业大学低碳能源与动力工程学院，江苏徐州 221116
- 作者简介：
  吴奇男，2009年于东南大学控制理论与工程专业获工学博士学位.上海交通大学系统控制与信息处理教育部重点实验室教授.研究方向为空战神经生理认知学.E-mail: Edmondqwu@gmail.com.
  陈琪琦女，2022年获上海交通大学工学学士学位.主要研究方向为深度学习、脑影像分析.E-mail: cqq.jx@sjtu.edu.cn.
  彭献永男，2011年获东南大学博士学位.中国矿业大学低碳能源与动力工程学院副教授.主要研究方向为智能电厂、状态监测与先进控制.
  仇峰男，2020年获上海通大学硕士学位.主要研究方向为数字电厂、认知计算.E-mail: edmondqwu@sjtu.edu.cn.
- 基金信息：
  国家自然科学基金(U1933125)
- DOI： 10.12263/DZXB.20201267
  中图分类号：
- 修回：2021-10-18 ，
- 稿件说明：
移动端阅览
DOI：
DOI：

HTML全文
图( 6 ) 表( 5 )
参考文献
出版信息
数据统计

摘要

Abstract

关键词

Keywords

references

32

浏览量

82

下载量

0

CSCD

文章被引用时，请邮件提醒。

提交

工具集

BibTeX下载
Endnote下载
RefMan 下载
NoteExpress下载
NoteFirst下载

关联资源

相关文章

基于多维DHS的AFDM卫星通信隐蔽波形

应急场景无人机辅助实时视频传输联合优化策略

动态二部图上高效的BiCore-索引维护算法

CloAct：基于克隆关系和模体的关键类识别方法

面向工业多时间尺度软测量的时序解耦与度量对齐Transformer模型

相关作者

吴奇

陈琪琦

彭献永

仇峰

相关机构

上海交通大学自动化系

系统控制与信息处理教育部重点实验

上海工业智能管控工程技术研究中心

中国矿业大学低碳能源与动力工程学院