EEG 生物特征识别中的对抗式深度学习
机器学习
2019-03-29 v1 信号处理
机器学习
摘要
基于脑电（EEG）脑活动的深度学习人员识别方法面临利用 EEG 内部时间相关结构或记录会话特定变异性的问题。此外，近期方法大多基于单会话 EEG 数据进行训练和评估。我们从不变表示学习的角度解决该问题。我们提出一种对抗式推断方法，以扩展此类深度学习模型，学习会话不变且具人员判别性的表示，从而提供纵向可用性方面的鲁棒性。通过在深度卷积网络中使用对抗学习，我们基于纵向收集的 EEG 数据对半秒 EEG 时段的人员识别进行了实证评估并展示了方法的改进。
关键词
引用
@article{arxiv.1903.11673,
title = {Adversarial Deep Learning in EEG Biometrics},
author = {Ozan Ozdenizci and Ye Wang and Toshiaki Koike-Akino and Deniz Erdogmus},
journal= {arXiv preprint arXiv:1903.11673},
year = {2019}
}
备注
Accepted for publication by IEEE Signal Processing Letters