TSFAN:带有域调整的张量化空间频率注意网络,用于基于EEG的跨会话生物识别

科学领域:

• 生物识别信息 生物识别信息
• 神经科学是一个神经科学.
• 机器学习 机器学习

背景情况:

• 电脑电图 (EEG) 信号为高安全性应用提供了有希望的,隐形的生物识别功能.
• 在EEG生物识别方面存在挑战,原因是设备和受试者状态在会话中的变化,影响数据分布.
• 现有的多源无监督域适应 (MUDA) 方法经常忽视域不变特征之间的关系.

研究的目的:

• 提出一种新的MUDA方法,即张力空间频率注意网络 (TSFAN),以提高基于EEG的生物识别性能在目标领域.
• 使用张量化注意力机制建模域不变特征的显著关系.
• 为了解决维度的诅咒,并通过任意数量的会话确保可扩展性.

主要方法:

• 开发了TSFAN,一种利用张量化注意力机制的MUDA方法,用于在源域和目标域中建模共同的空间频率表示.
• 采用了TSFAN的Tucker格式近似来管理维度,并通过域数实现线性可扩展性.
• 通过使用跨会期验证对代表性基准进行广泛实验,验证了TSFAN的有效性.

主要成果:

• 与最先进的方法相比,TSFAN在基于EEG的生物识别中表现优越.
• 跨会话验证证实了TSFAN在处理域移位方面的有效性.
• 电极选择分析表明,稳定的EEG认同特征分布在大脑区域,从10-20系统中的20个电极足够.

结论:

• 通过利用一种新的张力注意力机制,TSFAN成功地调查了跨会话的一致的EEG身份特征.
• 该方法有效地将源内可转移的信息与源间的交互进行协作,并保持对域移动的稳定性.
• 脑电图生物识别可以通过利用特定大脑区域的电极数据,实现跨会话的稳定身份识别.