Abstract：
迁移学习在基于运动想象脑电信号（MI-EEG）的脑机接口（BCI）康复系统中具有潜在的研究价值和应用前景，而源域分类模型及迁移策略是直接影响目标域模型性能与迁移效率的两个重要方面。为此，本文提出一种基于浅层视觉几何组网络（sVGG）的参数迁移学习（PTL）方法（PTL-sVGG）。首先，基于皮尔逊相关系数法对源域受试者进行筛选，并对优选的受试者MI-EEG数据进行短时傅里叶变换，获得时频谱图（TFSI）；然后，对视觉几何组网络-16(VGG-16)进行结构简化与模块化设计，并利用源域TFSI完成改进的sVGG模型预训练；进而，设计基于模块的冻结—微调迁移策略，快速寻找并冻结sVGG模型中贡献最...
Keyword：
Reprint Author's Address：
Email：
Source ：
生物医学工程学杂志
Year： 2022
Issue： 01
Volume： 39
Page： 28-38
Cited Count：
SCOPUS Cited Count：
ESI Highly Cited Papers on the List： 0 Unfold All
WanFang Cited Count：
Chinese Cited Count：
30 Days PV： 9
Affiliated Colleges：
