基于对抗变分自编码器的脑机接口迁移学习
机器学习
2018-12-18 v1 人机交互
信号处理
摘要
我们引入对抗神经网络进行表示学习，作为脑机接口（BCIs）中迁移学习的一种新方法。所提方法旨在通过同时训练条件变分自编码器（cVAE）与对抗网络来学习受试者不变的表示。我们使用浅层卷积架构实现 cVAE，并将学习到的编码器迁移用于从 unseen BCI 用户数据中提取受试者不变特征以进行解码。我们基于运动想象 BCI 实验记录的脑电图（EEG）数据分析，展示了该方法的概念验证。
引用
@article{arxiv.1812.06857,
title = {Transfer Learning in Brain-Computer Interfaces with Adversarial Variational Autoencoders},
author = {Ozan Ozdenizci and Ye Wang and Toshiaki Koike-Akino and Deniz Erdogmus},
journal= {arXiv preprint arXiv:1812.06857},
year = {2018}
}
备注
9th International IEEE EMBS Conference on Neural Engineering (NER'19)