EEG信号受个体影响,直接对所有的被试数据进行训练,往往也很难得到很好的识别效果。
我们可以对受试数据进行选择,选取较好的源数据训练模型,然后进行模型迁移,从而获得对每个被试,都有很好的识别率。
这个方法的缺陷在于,每个被试都需要重新训练,虽然只训练很少的层速度很快。但是,对于个性化的应用,也不失为一种高效的方法。
EEG情感数据的跨被试迁移
最新推荐文章于 2023-04-11 09:38:00 发布
EEG信号受个体影响,直接对所有的被试数据进行训练,往往也很难得到很好的识别效果。
我们可以对受试数据进行选择,选取较好的源数据训练模型,然后进行模型迁移,从而获得对每个被试,都有很好的识别率。
这个方法的缺陷在于,每个被试都需要重新训练,虽然只训练很少的层速度很快。但是,对于个性化的应用,也不失为一种高效的方法。