Основные понятия
Eine adaptive Methode des Tiefen Lernens, die eine Offline-Leistung erreicht, ohne Überwachung zu benötigen und für den Online-Einsatz geeignet ist.
Аннотация
Die Studie präsentiert eine unüberwachte, adaptive Methode des Tiefen Lernens für die Klassifizierung von Motorvorstellung in Brain-Computer-Schnittstellen (BCI).
Die Kernelemente sind:
- Verwendung eines effizienten Deep-Learning-Rückgrats, das nicht nachtrainiert werden muss
- Kontinuierliches Anpassen der Daten, sowohl im Eingabe- als auch im latenten Raum, basierend auf den aktuellen Beobachtungen
- Dynamisches Aktualisieren der Normalisierungsstatistiken innerhalb des neuronalen Netzwerks für jede neue Versuchsperson
Die Methode wird auf öffentlich zugänglichen Motorvorstellungs-Datensätzen evaluiert und zeigt eine Leistung, die mit der Offline-Leistung vergleichbar ist, ohne dass eine Neuausbildung des Modells erforderlich ist. Dies macht sie für den Einsatz in Echtzeit-BCI-Anwendungen geeignet.
Статистика
Die Methode wurde auf drei Motorvorstellungs-Datensätzen evaluiert:
BNCI: 9 Probanden, 4 Klassen, 5184 Versuche
BNCI2: 9 Probanden, 2 Klassen, 2592 Versuche
Large: 85 Probanden, 2 Klassen, 17000 Versuche
Цитаты
"Unsere Methode ist in der Lage, eine nahezu Offline-Leistung mit nur 10 bis 20 Versuchen (je nach Klassenzahl und Bewertungsparadigma) zu erreichen. Dies entspricht einer EEG-Aufnahme von etwa 30 bis 60 Sekunden in einem MI-Setup."