使用i-向量进行跨被试、跨会话脑电迁移学习
机器学习
2024-01-18 v1 计算与语言
声音
音频与语音处理
神经元与认知
摘要
认知负荷分类是根据脑电图（EEG）等生理测量指标，自动确定个体在执行任务期间工作记忆资源利用情况的任务。本文采用跨学科方法，利用语音处理领域的工具和方法来解决这一问题。我们使用的语料库于2021年作为首届跨会话工作负荷估计被动脑机接口竞赛的一部分公开发布。我们展示了使用基于i-向量的神经网络分类器实现跨被试、跨会话脑电迁移学习的方法，相比等效的被试依赖模型，取得了18%的相对改进。我们还报告了实验，显示我们的被试独立模型在留出被试上表现具有竞争力，并随着额外被试数据的增加而改进，表明有效的认知负荷判定不需要被试依赖训练。
引用
@article{arxiv.2401.08851,
title = {Using i-vectors for subject-independent cross-session EEG transfer learning},
author = {Jonathan Lasko and Jeff Ma and Mike Nicoletti and Jonathan Sussman-Fort and Sooyoung Jeong and William Hartmann},
journal= {arXiv preprint arXiv:2401.08851},
year = {2024}
}
备注
11 pages