机构名称：
¥ 1.0
摘要：大脑计算机接口（BCI）系统可帮助电动机功能障碍的人与外部环境相互作用。随着技术的发展，BCI系统已在实践中应用了，但是它们的实用性和可用性仍然受到极大挑战。在使用BCI系统之前，通常需要大量的校准时间，这可以消耗患者的能量并容易导致焦虑。本文提出了一种基于新型的运动辅助方法，该方法基于新型的双支车多尺度自动编码器网络（MSAENET）来解释人脑运动图像的意图，同时引入了中心损失功能，以补偿传统的分类者的缺点，这些分类者仅考虑阶层间差异和忽略内部的内部内部cllass class class类。该方法的有效性在三个数据集上进行了验证，即BCIIV2A，SMR-BCI和OpenBMI，以实现MI-BCI系统的零校准。结果表明，我们提出的网络在所有三个数据集上都显示出良好的结果。在受试者独立的情况下，MSAENET在BCIIV2A和SMR-BCI数据集上的其他四个比较方法优于其他四个比较方法，而在OpenBMI数据集中则获得了F1_SCORE值高达69.34％。我们的方法通过少量参数和短预测时间保持更好的分类精度，该方法实现了MI-BCI系统的零校准。
基于双分支特征Fusion的运动图像与主题无关的脑电图分类
主要关键词
相关文件推荐
