1.基于脑电响应与深度学习的声事件检测方法,其特征在于,包括训练模式和识别模式;
2.如权利要求1所述的基于脑电响应与深度学习的声事件检测方法,所述步骤1中,在训练模式下,包含听觉刺激、数据预处理、神经网络模型三个模块,通过依次进行听觉刺激、数据预处理和神经网络模型训练,实现脑电信号数据生成和脑电信号数据预处理,最终得到识别准确率最高的声事件分类检测模型。
3.如权利要求1所述的基于脑电响应与深度学习的声事件检测方法,所述步骤1中,所述步骤4中,选择多种神经网络模型,对初步提取的脑电信号特征训练,利用初步提取的脑电信号特征x4作为输入进行分析,得到多组数据,并进行对比,最后选择识别准确率最高的的神经网络模型用于识别阶段。
4.根据权利要求1所述基于脑电响应与深度学习的声事件检测方法建立的声事件检测平台,其特征在于,包括人机交互界面和数据处理模块,其中人机交互界面包括数据信息显示界面和脑电信号显示界面,数据处理模块包括听觉刺激模块、预处理模块、深度学习模块、网络选取模块、权重文件模块和结果显示模块。
5.如权利要求4所述的基于脑电响应与深度学习的声事件检测平台,其特征在于,所述数据信息显示界面用于显示模型信息及csv信息,脑电信号显示界面用于显示脑电信号流程图。
6.如权利要求4所述的基于脑电响应与深度学习的声事件检测平台,其特征在于,所述听觉刺激模块、预处理模块和深度学习模块在训练模式下使用,其中听觉刺激模块用于播放选取的音频,预处理模块用于预处理数据以及初步特征提取。
7.如权利要求4所述的基于脑电响应与深度学习的声事件检测平台,其特征在于,所述深度学习模块用于训练、特征提取,对比得到最优模型。
8.如权利要求4所述的基于脑电响应与深度学习的声事件检测平台,其特征在于,所述网络选取模块用于选取最优识别模型。
9.如权利要求4所述的基于脑电响应与深度学习的声事件检测平台,其特征在于,所述权重文件模块用于放置csv文件。
10.如权利要求4所述的基于脑电响应与深度学习的声事件检测平台,其特征在于,所述结果显示模块用于显示分类、识别及检测结果。