RMKD:轻松匹配的知识蒸,用于基于SSVEP的简短的大脑计算机接口

科学领域:

• 神经科学是一个神经科学.
• 机器学习 机器学习
• 生物医学工程 生物医学工程

背景情况:

• 高性能脑电脑接口 (BCI) 系统依赖于精确的脑电图 (EEG) 信号解码.
• 短的EEG信号长度往往会导致由于信息丢失而降低解码性能,从而限制了现实世界的BCI应用.
• 稳态视觉唤起潜力 (SSVEP) 是一个常见的BCI范式,需要高效的信号处理.

研究的目的:

• 改进基于SSVEP的BCI系统中短长度EEG信号的解码性能.
• 提出一种新的知识蒸方法,有效地将知识从长长度转移到短长度EEG信号模型.
• 为了解决BCI应用中短EEG信号中信息降解的挑战.

主要方法:

• 开发了一种放松匹配知识蒸 (RMKD) 方法,包括特征级和logit级的知识传输.
• 在特征层面使用频率掩盖生成蒸,通过重建教师特征来增强学生模型代表性.
• 非目标类和类间关系蒸在logit层面相结合,以管理损失冲突并保持预测关系.

主要成果:

• 拟议的RMKD方法显示了对短长度EEG信号的解码性能的显著改进.
• 在六种不同的信号长度中,在独立于主体的环境中,对两个公共SSVEP数据集进行了实验.
• 该方法有效地转移了知识,提高了解码的准确性,即使信号持续时间有限.

结论:

• 通过改进短EEG信号的解码,RMKD方法为提高BCI性能提供了可行的解决方案.
• 这种方法有效地减轻了与短EEG信号段中信息减少相关的性能退化.
• 这些发现表明了开发更强大,更实用的基于SSVEP的BCI系统的有希望的方向.