亲爱的研友该休息了!由于当前在线用户较少,发布求助请尽量完整的填写文献信息,科研通机器人24小时在线,伴您度过漫漫科研夜!身体可是革命的本钱,早点休息,好梦!

Enhancing P300-Based Brain-Computer Interfaces with Hybrid Transfer Learning: A Data Alignment and Fine-Tuning Approach

脑-机接口 计算机科学 学习迁移 人工智能 特征提取 接口(物质) 机器学习 模式识别(心理学) 脑电图 心理学 气泡 精神科 最大气泡压力法 并行计算
作者
Sepideh Kilani,Seyedeh Nadia Aghili,Mircea Hulea
出处
期刊:Applied sciences [MDPI AG]
卷期号:13 (10): 6283-6283 被引量:2
标识
DOI:10.3390/app13106283
摘要

A new approach is introduced to address the subject dependency problem in P300-based brain-computer interfaces (BCI) by using transfer learning. The occurrence of P300, an event-related potential, is primarily associated with changes in natural neuron activity and elicited in response to infrequent stimuli, which can be monitored non-invasively through an electroencephalogram. However, implementing P300-based BCI in real-time requires many training samples and time-consuming calibration, making it challenging to use in practical applications. To tackle these challenges, the proposed approach harnesses the high-level feature extraction capability of a deep neural network, achieved through fine-tuning. To ensure similar distributions of feature extraction data, the approach of aligning data in Euclidean space is employed, which is then applied to a discriminatively restricted Boltzmann machine with a single layer for P300 detection. The performance of the proposed method on the BCI Competition III dataset II and the BCI competition II dataset II, the state-of-the-art dataset, was evaluated and compared with previous studies. The results showed that robust performance could be achieved using a small number of training samples, demonstrating the effectiveness of the transfer learning approach in P300-based BCI applications.
最长约 10秒,即可获得该文献文件

科研通智能强力驱动
Strongly Powered by AbleSci AI
更新
大幅提高文件上传限制,最高150M (2024-4-1)

科研通是完全免费的文献互助平台,具备全网最快的应助速度,最高的求助完成率。 对每一个文献求助,科研通都将尽心尽力,给求助人一个满意的交代。
实时播报
wanci应助科研通管家采纳,获得10
4秒前
1分钟前
牧无声发布了新的文献求助10
1分钟前
1分钟前
赘婿应助牧无声采纳,获得10
1分钟前
1分钟前
cxwong发布了新的文献求助10
1分钟前
kannnliannn完成签到 ,获得积分10
1分钟前
赘婿应助卓头OvQ采纳,获得10
1分钟前
Muncy完成签到 ,获得积分10
2分钟前
科研通AI2S应助科研通管家采纳,获得10
2分钟前
2分钟前
spark810完成签到 ,获得积分0
2分钟前
2分钟前
2分钟前
卓头OvQ发布了新的文献求助10
2分钟前
卓头OvQ完成签到,获得积分10
2分钟前
冬去春来完成签到 ,获得积分10
2分钟前
cxwong完成签到 ,获得积分10
3分钟前
3分钟前
牧无声发布了新的文献求助10
3分钟前
3分钟前
乐乐应助金丝猴采纳,获得10
3分钟前
tly发布了新的文献求助30
4分钟前
恶恶么v完成签到,获得积分10
4分钟前
4分钟前
金丝猴完成签到,获得积分10
4分钟前
欣5发布了新的文献求助10
4分钟前
汉堡包应助欣5采纳,获得10
4分钟前
科研通AI2S应助累啊采纳,获得10
4分钟前
金丝猴关注了科研通微信公众号
5分钟前
CipherSage应助科研通管家采纳,获得10
6分钟前
顾矜应助科研通管家采纳,获得10
6分钟前
牧无声发布了新的文献求助10
6分钟前
6分钟前
pinklay完成签到 ,获得积分10
6分钟前
7分钟前
金丝猴发布了新的文献求助10
7分钟前
7分钟前
太清完成签到,获得积分10
7分钟前
高分求助中
The late Devonian Standard Conodont Zonation 2000
Nickel superalloy market size, share, growth, trends, and forecast 2023-2030 2000
The Lali Section: An Excellent Reference Section for Upper - Devonian in South China 1500
Very-high-order BVD Schemes Using β-variable THINC Method 890
Mantiden: Faszinierende Lauerjäger Faszinierende Lauerjäger 800
PraxisRatgeber: Mantiden: Faszinierende Lauerjäger 800
A new species of Coccus (Homoptera: Coccoidea) from Malawi 500
热门求助领域 (近24小时)
化学 医学 生物 材料科学 工程类 有机化学 生物化学 物理 内科学 纳米技术 计算机科学 化学工程 复合材料 基因 遗传学 催化作用 物理化学 免疫学 量子力学 细胞生物学
热门帖子
关注 科研通微信公众号,转发送积分 3257010
求助须知:如何正确求助?哪些是违规求助? 2899010
关于积分的说明 8303286
捐赠科研通 2568267
什么是DOI,文献DOI怎么找? 1394995
科研通“疑难数据库(出版商)”最低求助积分说明 652925
邀请新用户注册赠送积分活动 630662