了解你的心智：基于强化注意力卷积神经网络的自适应脑信号分类
人机交互
2019-08-27 v5
摘要
脑电图（EEG）信号反映特定脑区的活动。对时变EEG信号的有效分类仍具挑战性。首先，EEG信号处理与特征工程耗时且高度依赖专家知识。此外，多数现有研究聚焦于领域特定的分类算法，可能不适用于其他领域。而且，EEG信号通常信噪比低且易被污染。为此，我们提出一个通用EEG信号分类框架，可适应广泛应用以解决上述问题。该框架发展了强化选择性注意力模型，自动从原始EEG信号中选取区分性信息。采用卷积映射操作将所选信息动态变换至过完备特征空间，从而能够揭示EEG样本分布的隐式空间依赖。我们利用三个代表性场景验证了所提框架的有效性：基于运动想象EEG的意图识别、人员身份识别与神经疾病诊断。评估使用了三个广泛使用的公共数据集与一个本地数据集。实验表明，我们的框架优于最先进的基线方法，并在所有数据集上以低延迟和良好的复杂EEG信号跨域处理鲁棒性取得超过97%的准确率。这些结果证实了所提通用方法在脑机接口应用领域中一系列问题上的适用性。
引用
@article{arxiv.1802.03996,
title = {Know Your Mind: Adaptive Brain Signal Classification with Reinforced Attentive Convolutional Neural Networks},
author = {Xiang Zhang and Lina Yao and Xianzhi Wang and Wenjie Zhang and Shuai Zhang and Yunhao Liu},
journal= {arXiv preprint arXiv:1802.03996},
year = {2019}
}
备注
10 pages, Accepted by ICDM 2019 as full paper