基于脑电序列的注意力状态识别神经网络建模与推理方法

本发明公开了一种基于脑电序列的注意力状态识别神经网络建模与推理方法，核心在于构建并训练一种适用于脑电信号的深度神经网络模型以实现智能识别与分类。首先对脑电时间序列信号进行小波变换与时频特征提取，并结合通道位置信息生成多维输入张量；将其输入融合空间卷积、门控循环及残差连接结构的深度网络中，提取时空联合特征。在训练阶段引入跨时间步注意力机制与动态损失调节策略，以提升模型对警觉状态过渡区域的判别能力。最终模型可对任意长度脑电数据进行推理，输出分类标签与置信评分，用于衡量分类可靠性。本发明聚焦特定计算模型的构建与优化，体现了智能算法在认知状态识别中的应用特征，属于以神经网络为核心的智能计算方法。