运动想象迁移学习系列:TDLNet
论文地址:https://ieeexplore.ieee.org/abstract/document/10275048
论文题目:TDLNet: Transfer Data Learning Network for Cross-Subject Classification Based on Multiclass Upper Limb Motor Imagery EEG
论文代码:暂未找到
0. 引言
针对单肢不同运动的基于运动意象的脑机接口(MI-BCI)指令集数量有限,难以满足实际应用需求。因此,设计单肢、多类别的运动意象(MI)范式并对其进行有效解码是MI-BCI未来发展的重要研究方向之一。此外,MI-BCI 的主要挑战之一是难以对不同个体的大脑活动进行分类(主要是跨被试分类任务存在难题
)。本文提出迁移数据学习网络(TDLNet)来实现多类上肢运动意象的跨主体意图识别。
1. 主要贡献
- 该文提出迁移数据学习网络(TDLNet)来实现
多类上肢运动意象
的跨主体意图识别
。 - 在TDLNet中,RAMM被提出用于为
不同的脑电信号通道分配权重
,以用于不同的运动图像任务。 - 提出一种
基于遮挡信号频率
的特征可视化算法
对MI-BCI框架进行定性分析。
2. 网络介绍
网络的主要