一种基于自适应迁移学习的双分支卷积神经网络运动想象意图解码方法

本发明提供了一种基于自适应迁移学习的双分支卷积神经网络运动想象意图解码方法。采用公开的运动想象数据集BCIIV 2a和BCIIV 2b进行有效性验证：首先对公开数据集预处理，建立训练集和测试集；其次构建双分支卷积神经网络的模型结构；再将预处理后的训练集输入模型，采用自适应迁移学习方法训练模型；最后将测试集输入训练好的模型中，测试模型性能。本发明的优点包括：设计双分支卷积神经网络，深度挖掘源域和目标域的共有特征，提高了运动想象意图解码准确率；采用自适应迁移学习训练方法，通过制定个体化的迁移策略，增强了模型泛化性能。在BCIIV 2a和BCIIV 2b上对本方法进行了有效性验证，平均识别准确率分别...

Full description

Saved in:
Bibliographic Details
Format Patent
LanguageChinese
Published 08.12.2023
Subjects
CALCULATING
COMPUTER SYSTEMS BASED ON SPECIFIC COMPUTATIONAL MODELS
COMPUTING
COUNTING
ELECTRIC DIGITAL DATA PROCESSING
PHYSICS
Online AccessGet full text

Cover

More Information
Summary:本发明提供了一种基于自适应迁移学习的双分支卷积神经网络运动想象意图解码方法。采用公开的运动想象数据集BCIIV 2a和BCIIV 2b进行有效性验证：首先对公开数据集预处理，建立训练集和测试集；其次构建双分支卷积神经网络的模型结构；再将预处理后的训练集输入模型，采用自适应迁移学习方法训练模型；最后将测试集输入训练好的模型中，测试模型性能。本发明的优点包括：设计双分支卷积神经网络，深度挖掘源域和目标域的共有特征，提高了运动想象意图解码准确率；采用自适应迁移学习训练方法，通过制定个体化的迁移策略，增强了模型泛化性能。在BCIIV 2a和BCIIV 2b上对本方法进行了有效性验证，平均识别准确率分别达到了81.3％和85.6％，均优于现有最优方法。
Bibliography:Application Number: CN202311236959