一种基于深度学习和功能性近红外光谱数据的第二语言学习中数学干扰识别方法、设备和介质

本发明公开了一种基于深度学习和功能性近红外光谱数据的第二语言学习中数学干扰识别方法、设备和介质；利用功能性近红外光谱(fNIRS)技术采集学习者在英语阅读和数学任务时的大脑活动数据，并结合注意力增强的长短期记忆网络(AC‑LSTM)深度学习模型进行特征提取和分类，从而准确识别和量化学习过程中的数学干扰；通过梯度提升决策树(GBDT)模型的网格搜索算法筛选出与数学干扰显著相关的关键脑功能通道，并利用关联规则方法量化不同脑区间的相互关系，以图结构形式可视化表示，能够有效揭示数学干扰对英语学习脑区活动模式的影响，为开发个性化的教学策略和提高学习效率提供科学依据。