基于卷积神经网络的自适应样本加权脑机接口建模
文献类型：期刊论文
| 作者 | 邹宜君1,2,5 ; 赵新刚2,5; 徐卫良3; 韩建达4
|
| 刊名 | 信息与控制
 |
| 出版日期 | 2019 |
| 卷号 | 48期号:6页码:658-665 |
| 关键词 | 脑机接口 卷积神经网络 样本加权 |
| ISSN号 | 1002-0411 |
| 其他题名 | Brain-computer Interface Model Based on Convolutional Neural Networks and Adaptive Sample Reweighting |
| 产权排序 | 1 |
| 英文摘要 | 针对脑机接口系统手动提取特征而产生的信息丢失与过拟合问题,建立了一个纯数据驱动的端到端的卷积神经网络模型.同时,为了解决卷积神经网络(convolutional neural network, CNN)需要大量数据而单人脑电数据量小的问题,建立了一套使用多人数据来建立目标用户模型的方法.通过分析其他人数据对目标个体模型的适应程度,清除那些对于目标模型贡献为负的样本.然后,在CNN网络的训练过程中,使用了一种元学习技术,赋予每一个训练数据一个权值.在训练CNN网络时,每一步网络参数更新之后,元学习器会根据训练集中数据样本对于最终模型的影响,自适应的调整每个样本数据的权值.实验结果表明,所提方法得到了比传统方法更好的分类精度,验证了所提方法的有效性. |
| 语种 | 中文 |
| CSCD记录号 | CSCD:6697820 |
| 资助机构 | 国家自然科学基金资助项目( U1813214，61773369，61573340) |
| 源URL | [http://ir.sia.cn/handle/173321/26213]  |
| 专题 | 沈阳自动化研究所_机器人学研究室 |
| 通讯作者 | 赵新刚 |
| 作者单位 | 1.中国科学院大学 2.中国科学院沈阳自动化研究所机器人学国家重点实验室 3.南开大学 4.奥克兰大学 5.中国科学院机器人与智能制造创新研究院 |
| 推荐引用方式 GB/T 7714 | 邹宜君,赵新刚,徐卫良,等. 基于卷积神经网络的自适应样本加权脑机接口建模[J]. 信息与控制,2019,48(6):658-665. |
| APA | 邹宜君,赵新刚,徐卫良,&韩建达.(2019).基于卷积神经网络的自适应样本加权脑机接口建模.信息与控制,48(6),658-665. |
| MLA | 邹宜君,et al."基于卷积神经网络的自适应样本加权脑机接口建模".信息与控制 48.6(2019):658-665. |
入库方式： OAI收割
来源：沈阳自动化研究所
浏览0
下载0
收藏0
其他版本
除非特别说明，本系统中所有内容都受版权保护，并保留所有权利。