双分支神经网络具有基于P300的大脑计算机接口的动态学习机制

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:

• 大脑-计算机接口 (BCI) 系统为残疾人提供了替代性通信.
• P300拼写器是可靠的BCI系统,但存在类不平衡,影响性能.
• 目前P300拼音机的类再平衡方法在确保平衡输出方面存在局限性.

研究的目的:

• 提出一种新的双分支学习 (DBL) 方法,以减轻P300拼写BCI系统中的类不平衡.
• 通过解决固有的数据不平衡来提高特征表示和分类性能.
• 提高BCI系统的可靠性和准确性,以帮助运动受损的用户.

主要方法:

• 开发了一种双分支学习 (DBL) 方法,包括统一采样和反向采样数据.
• 实施了动态学习机制,以逐步强调少数群体类样本 (P300组件).
• 在公共和自我收集的数据集上使用主体依赖的方法评估了DBL方法.

主要成果:

• 在经过测试的数据集上,DBL方法实现了高分类准确率,分别为97.37%和88.72%.
• 与现有的深度学习和再平衡技术相比,证明了更优越和更可靠的性能.
• 有效地解决了P300 BCI数据集中固有的类失衡问题.

结论:

• 拟议的DBL框架显示了增强基于P300的BCI系统的重大前景.
• DBL提供了一种强大的解决方案,用于提高BCI应用中的分类准确性和可靠性.
• 这种方法为利用脑计算机接口的辅助技术提供了宝贵的进步.