Un bajo nivel de vigilancia es una de las principales causas de accidentes de tráfico e industriales. Realizamos experimentos para evocar el bajo nivel de vigilancia y registrar datos fisiológicos a través de mediciones de electroencefalograma (EEG) y electrocardiograma (ECG) de un solo canal. En este estudio, se diseñó un algoritmo de red neuronal profunda Q-network (DQN), utilizando ingeniería de características convencionales y métodos de redes neuronales convolucionales profundas (CNN), para extraer las características óptimas. El DQN produjo las características óptimas: dos características de CNN de ECG y dos características convencionales de EEG. Las características de ECG fueron más significativas para rastrear las transiciones dentro del continuo de alerta con el DQN. La clasificación se realizó con un pequeño número de características, y los resultados fueron similares a los de usar todas las características. Esto sugiere que el DQN podría aplicarse para investigar biomarcadores de respuestas fisiológicas y optimizar el sistema de clasificación para reducir los recursos de entrada.