Login
Registrieren
Passwort zurücksetzen
Veröffentlichen & Verteilen
Verlagslösungen
Vertriebslösungen
Themen
Allgemein
Altertumswissenschaften
Architektur und Design
Bibliotheks- und Informationswissenschaft, Buchwissenschaft
Biologie
Chemie
Geowissenschaften
Geschichte
Industrielle Chemie
Informatik
Jüdische Studien
Kulturwissenschaften
Kunst
Linguistik und Semiotik
Literaturwissenschaft
Materialwissenschaft
Mathematik
Medizin
Musik
Pharmazie
Philosophie
Physik
Rechtswissenschaften
Sozialwissenschaften
Sport und Freizeit
Technik
Theologie und Religion
Wirtschaftswissenschaften
Veröffentlichungen
Zeitschriften
Bücher
Konferenzberichte
Verlage
Blog
Kontakt
Suche
EUR
USD
GBP
Deutsch
English
Deutsch
Polski
Español
Français
Italiano
Warenkorb
Home
Zeitschriften
International Journal of Advanced Network, Monitoring and Controls
Band 7 (2022): Heft 1 (January 2022)
Uneingeschränkter Zugang
Research on Fatigue Classification of Flight Simulation Training
Lien Wang
Lien Wang
und
Changyuan Wang
Changyuan Wang
| 28. Mai 2023
International Journal of Advanced Network, Monitoring and Controls
Band 7 (2022): Heft 1 (January 2022)
Über diesen Artikel
Vorheriger Artikel
Nächster Artikel
Zusammenfassung
Artikel
Figuren und Tabellen
Referenzen
Autoren
Artikel in dieser Ausgabe
Vorschau
PDF
Zitieren
Teilen
Online veröffentlicht:
28. Mai 2023
Seitenbereich:
81 - 96
DOI:
https://doi.org/10.2478/ijanmc-2022-0007
Schlüsselwörter
Fatigue Classification
,
Eeg
,
Cnn
,
Neural Network
© 2022 Lien Wang et al., published by Sciendo
This work is licensed under the Creative Commons Attribution-NonCommercial-NoDerivatives 4.0 International License.
Figure 1.
Simulated driving environment
Figure 2.
EEG acquisition equipment
Figure 3.
Accuracy of training set and test set
Figure 4.
Loss rate of training set and test set
图 1
模拟飞行环境
图 2
脑电设备
图 3
训练集和测试集的准确率
图 4
训练集和测试集的损失率
Experiment schedule
Participant ID
001
002
003
Experiment 101
9:00–9:30
10:00–10:30
11:00–11:30
Experiment 102
13:30–14:00
14:30–15:00
15:30–16:00
实验计划表
Participant ID
001
002
003
Experiment 101
9:00–9:30
10:00–10:30
11:00–11:30
Experiment 102
13:30–14:00
14:30–15:00
15:30–16:00