期刊导航
期刊开放获取
上海教育软件发展有限公..
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
1
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式：
文摘
详细
列表
相关度排序
被引量排序
时效性排序
基于迁移学习多层级融合的运动想象EEG辨识算法
被引量：
6
1
作者
周强
田鹏飞
《电子测量与仪器学报》
CSCD
北大核心
2021年第12期174-181,共8页
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...
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。
展开更多
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
在线阅读
下载PDF
职称材料
题名
基于迁移学习多层级融合的运动想象EEG辨识算法
被引量：
6
1
作者
周强
田鹏飞
机构
陕西科技大学电气与控制工程学院
出处
《电子测量与仪器学报》
CSCD
北大核心
2021年第12期174-181,共8页
基金
陕西省科技计划项目(2019GY-090)
咸阳市科技计划项目(2017K02-06)资助。
文摘
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。
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
Keywords
motor imagination-EEG signal
convolutional neural network
transfer learning
multi-layers network fusion model
分类号
TP391 [自动化与计算机技术—计算机应用技术]
TN911 [电子电信—通信与信息系统]
在线阅读
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
基于迁移学习多层级融合的运动想象EEG辨识算法
周强
田鹏飞
《电子测量与仪器学报》
CSCD
北大核心
2021
6
在线阅读
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部
