GZSL-Lite:一种轻量级的通用零射击学习网络,用于基于SSVEP的BCI.

科学领域:

• 神经科学是一个神经科学.
• 计算机科学 计算机科学
• 生物医学工程 生物医学工程

背景情况:

• 基于稳态视觉唤起潜力 (SSVEP) 的脑机接口 (BCI) 提供了直观的人机交互.
• 通用零射击学习 (GZSL) 网络旨在通过分类看不见的类来减少SSVEPBCI中的用户培训负担.
• 现有的GZSL网络是计算密集型的,阻碍了实际的BCI应用.

研究的目的:

• 为基于SSVEP的BCI开发一个轻量级GZSL网络 (GZSL-Lite).
• 减少GZSL网络中可训练参数和训练时间的数量.
• 为了提高SSVEPBCI的分类性能.

主要方法:

• 建议将双重注意力结构集成到GZSL框架 (GZSL-Lite) 中.
• 采用基于卷积的网络来嵌入EEG信号,类模板和正弦模板的特征,在刺激频率上共享网络权重.
• 使用双重注意力机制,以类和正弦模板为指导,专注于相关的EEG特征,然后使用深度卷积块进行分类.

主要成果:

• GZSL-Lite实现了可训练参数的显著降低,占最先进对应产品的不到1%.
• 拟议的网络在SSVEP分类准确性方面表现出了显著的性能改进.
• 在两个公共数据集上的实验评估验证了GZSL-Lite的有效性和效率.

结论:

• 轻量级GZSL-Lite网络有效地解决了SSVEPBCI传统GZSL模型的计算挑战.
• 双重注意力机制显著提高了分类准确性,同时最大限度地降低了模型的复杂性.
• GZSL-Lite为基于SSVEP的用户友好的脑电脑接口提供了一种实用且高性能的解决方案.