# 基于脑电的疲劳检测

脑电疲劳检测此前把多频带建模与时间加权分开处理，没有说明一个时间窗内的频谱结构该如何决定它对预测的贡献。LBSNet把每个窗口的相对跨频带活动编码成归一化描述子，与可学习频谱原型软匹配，再结合原型重要度生成时间权重来聚合功率。在SEED-VIG与SADT的受试者独立实验中，它的准确率和F1均高于七个基线，且参数量与乘加运算量在对比模型中最低。

脑电疲劳检测此前把多频带建模与时间加权分开处理，没有说明一个时间窗内的频谱结构该如何决定它对预测的贡献。LBSNet把每个窗口的相对跨频带活动编码成归一化描述子，与可学习频谱原型软匹配，再结合原型重要度生成时间权重来聚合功率。在SEED-VIG与SADT的受试者独立实验中，它的准确率和F1均高于七个基线，且参数量与乘加运算量在对比模型中最低。