机构名称：
¥ 1.0
摘要 — 脑机接口 (BCI) 使用户能够使用脑信号直接与计算机通信。最常见的非侵入式 BCI 方式脑电图 (EEG) 对噪声/伪影敏感，并且存在受试者间/受试者内的非平稳性。因此，很难在基于 EEG 的 BCI 系统中构建一个通用的模式识别模型，该模型对于不同的受试者、不同的会话、不同的设备和任务都是最佳的。通常，需要校准会话来为新受试者收集一些训练数据，这既耗时又不方便用户使用。迁移学习 (TL) 利用来自相似或相关受试者/会话/设备/任务的数据或知识来促进新受试者/会话/设备/任务的学习，经常用于减少校准工作量。本文回顾了近几年（即自 2016 年以来）关于基于 EEG 的 BCI 中的 TL 方法的期刊出版物。本文考虑了六种范式和应用——运动想象、事件相关电位、稳态视觉诱发电位、情感 BCI、回归问题和对抗攻击。对于每个范式/应用，我们将 TL 方法分为跨主题/会话、跨设备和跨任务设置，并分别进行审查。本文最后进行了观察和结论，可能指出未来的研究方向。
基于脑电图的脑机接口的迁移学习
主要关键词
相关文件推荐
