用于基于 P300 的脑机接口的循环神经网络
神经与进化计算
2019-01-31 v1
摘要
基于 P300 的拼写器是基于 EEG 的脑机接口的主要方法之一，高精度检测 P300 目标事件是重要的前提。快速串行视觉呈现（RSVP）协议备受关注，因为它可被失去眼部控制的患者使用。在本研究中，我们希望探索循环神经网络（RNNs）作为机器学习方法用于识别 RSVP 数据中 P300 信号的适用性。我们系统地将 RNN 与线性判别分析（LDA）和卷积神经网络（CNN）等替代方法进行比较。我们的结果表明，在单个受试者数据上 LDA 表现与神经网络模型相当或更好，但结合 CNN 与 RNN 的网络在受试者间迁移学习时具有优势，且对其他方法显著更具时间噪声鲁棒性。
引用
@article{arxiv.1901.10798,
title = {Recurrent Neural Networks for P300-based BCI},
author = {Ori Tal and Doron Friedman},
journal= {arXiv preprint arXiv:1901.10798},
year = {2019}
}