运动想象分类学习系列:RGDDANet
论文地址:https://www.sciencedirect.com/science/article/abs/pii/S0957417423021140
论文题目:A cross-session motor imagery classification method based on Riemannian geometry and deep domain adaptation
论文代码:暂无
0. 引言
深度学习的运用提高了运动意象(MI)的分类精度,但脑机接口(BCI)应用中标定时间长的问题仍未得到解决。为了解决这个问题,我们提出了一种新的黎曼几何和深度域自适应网络(RGDDANet) 用于MI分类。具体而言,设计了两个一维卷积从脑电信号中提取时间和空间特征,然后利用空间协方差矩阵将提取的特征映射到黎曼流形进行处理。为了对齐黎曼流形上的源特征和目标特征分布,我们提出了一种对称正定(SPD)矩阵平均差异损失(SMMDL) 来最小化两个域之间的距离。
图形摘要: