基于卷积神经网络的自适应样本加权脑机接口建模

作者：邹宜君; 赵新刚^*; 徐卫良; 韩建达

来源：信息与控制, 2019, 48(06): 658-665.

DOI：10.13976/j.cnki.xk.2019.9054

• 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.

• 单位
  中国科学院大学; 南开大学; 机器人学国家重点实验室; 中国科学院沈阳自动化研究所