基于迁移学习多层级融合的运动想象EEG辨识算法

• 作者: 周强 田鹏飞
• 来源期刊: 电子测量与仪器学报
• 学科: 工学
• 关键词: 运动想象脑电信号 卷积神经网络 迁移学习 多层级融合网络模型
• 年，卷（期）: 2021,（12）
• 所属期刊栏目: 学术论文|PAPERS
• 页码范围: 174-181
• 页数: 8页
• 分类号: TP391|TN911
• 语种: 中文
• DOI: 10.13382/j.jemi.B2103864

摘要

为了准确获取运动想象脑电信号的全局特征和个体间的共性特征,进而提高其分类准确率和模型鲁棒性,提出一种参数共享迁移学习的融合卷积神经网络算法.首先把源域上训练完成的网络逐层迁移至目标网络以获取最佳迁移层.其次,在迁移层后分别连接不同数量的卷积-池化块构成4个不同深度的卷积网络,并将其并行融合后连接分类器得到分类结果.利用BCI竞赛IV Datasets 2a对提出方法进行实验分析.结果显示,使用100％和50％样本时所有受试者的平均辨识率分别为80.85％和78.9％,验证了提出方法在全局特征提取上的有效性小样本问题上的优势.