运动想象 (MI) 迁移学习系列 (14) : 特征关系对比网络 （FRCN）
运动想象迁移学习系列:特征关系对比网络 （FRCN）
- 0. 引言
- 1. 主要贡献
- 2. 提出的方法
-
- 2.1 脑电数据对齐
- 2.2 Embedding 模块
- 2.3 源域选择和微调
- 2.4 关系对比模块 (RCM)
- 2.5 网络优化
- 3. 实验结果
-
- 3.1 实验结果和分析
- 3.2 消融实验
- 4. 总结
- 欢迎来稿
论文地址：https://ieeexplore.ieee.org/abstract/document/10599327
论文题目：A Relation Feature Comparison Network for Cross-Domain Recognition of Motion Intention
论文代码：无
0. 引言
由于外部因素和个体差异，脑电图 （EEG） 数据具有跨会话和跨受试者的可变性。因此，跨域脑电信号识别仍然具有挑战性。为了解决这个问题，我们在本文中提出了一种特征关系对比网络 （FRCN）。首先，我们使用协方差矩阵来对齐源域和目标域之间的数据分布，以减少差异。其次，我们通过预训练的嵌入网络提取特征表示，并使用非线性变换来对齐特征的相关性。然后，我们提出了一种源域选择方法，通过利用来自不同域的静息态数据和选定的适当源域数据进行微调，来衡量域之间运动相关数据分布的相似性<