Acervo histórico

Análise de

Brain dynamic states analysis based on 3D convolutional neural network

Hung Y.-C. et al.
2017 IEEE International Conference on Systems, Man, and Cybernetics, SMC 2017, 2017.
DOI: 10.1109/smc.2017.8122606
Página do artigo →

Grade de análise

A obra atravessada pela grade AnCo

Treze campos derivados da metodologia do grupo. Campos sem registro nesta análise podem ser preenchidos por novas análises do mesmo artigo.

Pertinência

Não pertinente para o campo da Análise Cognitiva.

Define o conceito

Não

Objeto

Detecção de sonolência na direção através da monitorização de sinais de EEG.

Objetivo

Propor um sistema de previsão baseado em Rede Neural Convolucional 3D (3D CNN) para monitorar EEG e prever a fadiga.

Foco

Neuro-Cognição, Deep Learning e Segurança na Direção.

Metodologia

Modelagem Computacional (Rede Neural Convolucional 3D, Deep Learning).

Epistemologia
Empírica/Quantitativa
Teoria
Similarity Network Fusion (SNF)
Aspectos relevantes

— sem registro —

Referenciais

— sem registro —

Resultados

O 3D CNN supera algoritmos state-of-the-art na previsão do tempo de reação (RT), melhorando o RMSE em 9.5%.

Contexto de produção

— sem registro —

Observações

— sem registro —

Como citar esta análise

ABNT

ANCO, E.. *Análise cognitiva: Brain dynamic states analysis based on 3D convolutional neural network*. AnCo: Plataforma de Análise Cognitiva, 2026. Disponível em: https://anco.ufba.br/analise/1870/. Acesso em: 22 jul. 2026.

APA

AnCo, E. (2026). Análise cognitiva: Brain dynamic states analysis based on 3D convolutional neural network. AnCo. https://anco.ufba.br/analise/1870/