信息与控制

作者：邹宜君, 赵新刚, 徐卫良, 韩建达

关键词：脑机接口, 卷积神经网络, 样本加权

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.

来源：2019年第6期

《信息与控制》期刊编辑部

查看信息与控制杂志2019年第6期