运动想象 (MI) 迁移学习系列 (4) : EEGNet-Fusion-V2

news/2024/5/26 21:11:43/文章来源:https://blog.csdn.net/qq_36758270/article/details/136599202

运动想象迁移学习系列:EEGNet-Fusion-V2

  • 0. 引言
  • 1. 主要贡献
  • 2. 网络结构
  • 3. 实验结果
    • 3.1 不同参数的评估
    • 3.2 不同参数的评估
    • 3.3 与基准模型比较
  • 4. 总结
  • 欢迎来稿

论文地址:https://www.mdpi.com/1424-8220/23/18/7908
论文题目:Excellent fine-tuning: From specific-subject classification to cross-task classification for motor imagery
论文代码:https://github.com/radia-rayan-chowdhury/EEGNet-Fusion-V2

0. 引言

基于脑电图的脑机接口开发的一个重大障碍是与受试者无关的运动图像数据的分类,因为脑电图数据非常个性化卷积神经网络 (CNN) 等深度学习技术已经说明了它们对特征提取的影响,以提高分类准确性。在本文中,我们提出了一个多分支(五个分支)二维卷积神经网络,该网络对每个分支都使用多个超参数。所提出的模型在跨学科分类方面取得了可喜的结果,在三个公共数据集上优于EEGNetShallowConvNetDeepConvNetMMCNNEEGNet_Fusion

注意:本文并没有从迁移学习的角度解决问题,而是说模型分类效果较好,有助于更好地迁移学习的意思。本质上还是一个分类学习网络!!!!

1. 主要贡献

  1. 提出了一种使用多分支特征融合卷积神经网络模型对运动图像任务进行分类的新方法。
  2. 与最先进的模型进行了比较,包括 DeepConvNetShallowConvNetMMCNNEEGNetEEGNet Fusion

2. 网络结构

EEGNet Fusion V2 在所有五个分支的深度层和可分离层中使用了不同的内核大小卷积滤波器。融合方法通过聚合来自不同分支的不同预测来帮助减少方差并提高准确性。图 1 说明了所提出的 EEGNet Fusion V2 架构。
在这里插入图片描述
该网络由五个分支组成,每个分支都有输入层卷积滤波器深度卷积滤波器可分离卷积滤波器。此外,平均池化层遵循深度和可分离的卷积滤波器。然后,使用融合层对来自五个分支的特征进行组合,并使用输出层中的softmax激活函数进行最终分类。每个分支中使用不同的内核过滤器大小。该架构旨在通过处理 EEG 信号来实现 MI 任务的准确分类。红色框表示EEGNet Fusion模型的改进。

3. 实验结果

3.1 不同参数的评估

为了评估该模型,我们进行了五次测试,每次测试都对每个分支中的卷积层使用不同的滤波器尺寸。每个测试中采用的具体过滤器尺寸如下:

  • 测试1:(1,64),(1,128),(1,256),(1,512),(1,1024);
  • 测试2:(1,64),(1,256),(1,544),(1,512),(1,1024);
  • 测试3:(1,64),(1,304),(1,544),(1,784),(1,1024);
  • 测试4:(1,64),(1,80),(1,96),(1,112),(1,128);
  • 测试 5:(1,64),(1, 96),(1, 128),(1, 192),(1, 256)。

实验结果如下所示:
在这里插入图片描述

3.2 不同参数的评估

为了评估所提出的五分支EEGNet Fusion模型,我们实现了四分支六分支七分支EEGNet Fusion模型。这些模型与所提出的五分支模型具有相似的结构,但在分支数量以及内核和过滤器大小方面存在一些变化。实验结果如下所示:
在这里插入图片描述
观察实验结果可以得知,精度一般随着分支数量的增加而增加。具体来说,从三个分支到四个分支,从四个分支到五个分支时,准确性有了明显的提高。然而,尽管六分支和七分支模型需要每个样本的计算时间明显更高,但五分支、六分支和七分支模型的精度非常接近。基于这些发现,我们决定将五分支模型作为所提出的模型。与六分支模型和七分支模型相比,五分支模型在精度和计算时间之间提供了良好的平衡

3.3 与基准模型比较

与各个基准模型的比较结果如下所示:
在这里插入图片描述

4. 总结

到此,使用 EEGNet-Fusion-V2 已经介绍完毕了!!! 如果有什么疑问欢迎在评论区提出,对于共性问题可能会后续添加到文章介绍中。

如果觉得这篇文章对你有用,记得点赞、收藏并分享给你的小伙伴们哦😄。

欢迎来稿

欢迎投稿合作,投稿请遵循科学严谨、内容清晰明了的原则!!!! 有意者可以后台私信!!

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.luyixian.cn/news_show_1006667.aspx

如若内容造成侵权/违法违规/事实不符,请联系dt猫网进行投诉反馈email:809451989@qq.com,一经查实,立即删除!

相关文章

FPGA - 时钟Buffer的探究

1、IBUF : FPGA上所有的输入信号必须进过IBUF,vivado会自动给所有输入信号分配IBUF OBUF:FPGA上所有的输入信号必须进过IBUF,vivado会自动给所有输入信号分配OBUF BUFG:专用时钟的资源,目的是减少时钟抖动、增强时钟的驱动能力,vivado不会给信…

24计算机考研调剂 | 东北石油大学

东北石油大学智能物探团队招生宣传 考研调剂招生信息 学校:东北石油大学 专业:工学->地质资源与地质工程->矿产普查与勘探 年级:2024 招生人数:2 招生状态:正在招生中 联系方式:********* (为保护个人隐私,联系方式仅限APP查看) 补充内容 团队介绍: …

.NET高级面试指南专题十八【 外观模式模式介绍,提供了简化的接口,隐藏系统的复杂性】

介绍: 外观模式是一种结构设计模式,它提供了一个统一的接口,用于访问子系统中的一组接口。外观模式定义了一个高层接口,使得子系统更容易使用。 原理: 外观类(Facade Class):提供了一…

PFA洗气瓶特氟龙连续洗气反应装置

洗气瓶是一种洗去气体中杂质的仪器,是将不纯气体通过选定的适宜液体介质鼓泡吸收(溶解或由于发生化学反应),从而洗去杂质气体,以达净化气体的目的。在有可燃性气源的实验装置中,洗气瓶也可起到安全瓶的作用…

Github上哪些好用的工具

专注于web漏洞挖掘、内网渗透、免杀和代码审计,感谢各位师傅的关注!网安之路漫长,与君共勉! Qexo-爱写博客的师傅强烈推荐 漂亮的 Hexo 静态博客编辑器。该项目是基于 Django 的 Hexo 静态博客管理后台,支持文章管理、…

【C++教程从0到1入门编程】第八篇:STL中string类的模拟实现

一、 string类的模拟实现 下面是一个列子 #include <iostream> namespace y {class string{public: //string() //无参构造函数// :_str(nullptr)//{}//string(char* str) //有参构造函数// :_str(str)//{}string():_str(new char[1]){_str[0] \0;}string(c…

教师如何搭建学生查询考试分数的平台?

随着信息技术的快速发展&#xff0c;搭建一个学生查询考试分数的平台已经成为现代教育管理的重要组成部分。这样的平台不仅可以提高成绩管理的效率&#xff0c;还能为学生提供便捷、及时的成绩查询服务。那么&#xff0c;作为教师&#xff0c;我们应该如何搭建这样一个平台呢&a…

VC-旅游系统-213-(代码+说明)

转载地址: http://www.3q2008.com/soft/search.asp?keyword旅游系统 旅游信息管理系统开题报告 一、研究目的 旅游信息管理系统能帮助旅行社在游客的市场开拓、游客的信息管理、客户服务等方面进行综合处理。使旅行社能够准确的掌握客户的市场动态&#xff0c;充分了解对客户…

Python 常用的开源爬虫库介绍

Python 是一种广泛使用的编程语言&#xff0c;特别是在 Web 爬虫领域。有许多优秀的开源爬虫库可以帮助开发者高效地抓取网页内容。以下是几个常用的 Python 爬虫库及其特点和优势&#xff1a; BeautifulSoup 特点 - **HTML/XML 解析**&#xff1a;BeautifulSoup 是一个…

【node版本问题】运行项目报错 PostCSS received undefined instead of CSS string

最近该项目没有做任何修改&#xff0c;今天运行突然跑不起来报错了 PostCSS received undefined instead of CSS string 【原因】突然想起来期间有换过 node 版本为 16.17.1 【解决】将 node 版本换回之前的 14.18.0 就可以了

6.S081的Lab学习——Lab1: Xv6 and Unix utilities

文章目录 前言一、启动xv6(难度&#xff1a;Easy)解析&#xff1a; 二、sleep(难度&#xff1a;Easy)解析&#xff1a; 三、pingpong&#xff08;难度&#xff1a;Easy&#xff09;解析&#xff1a; 四、Primes(素数&#xff0c;难度&#xff1a;Moderate/Hard)解析&#xff1a…

基于SpringBoot的“心灵治愈交流平台”的设计与实现(源码+数据库+文档+PPT)

基于SpringBoot的“心灵治愈交流平台”的设计与实现&#xff08;源码数据库文档PPT) 开发语言&#xff1a;Java 数据库&#xff1a;MySQL 技术&#xff1a;SpringBoot 工具&#xff1a;IDEA/Ecilpse、Navicat、Maven 系统展示 系统功能界面图 登录、用户注册界面图 心灵专…

Windows电脑安装Linux(Ubuntu 22.04)系统(图文并茂)

Windows电脑安装Ubuntu 22.04系统&#xff0c;其它版本的Ubuntu安装方法相同 Ubuntu 16.04、Ubuntu 18.04安装方法相同&#xff0c;制作U盘启动项的镜像文件下载你需要的版本即可&#xff01; Ubuntu的中文官网网址&#xff1a;https://cn.ubuntu.com/&#xff0c;聪明的你一定…

ElasticSearch学习篇10_Lucene数据存储之BKD动态磁盘树

前言 基础的数据结构如二叉树衍生的的平衡二叉搜索树通过左旋右旋调整树的平衡维护数据&#xff0c;靠着二分算法能满足一维度数据的logN时间复杂度的近似搜索。对于大规模多维度数据近似搜索&#xff0c;Lucene采用一种BKD结构&#xff0c;该结构能很好的空间利用率和性能。 …

IO学习--02

标准IO由ANSI C库说明&#xff0c;在很多系统都实现了标准IO库。标准IO库处理很多细节&#xff0c;如缓冲的分配、优化长度执行IO等&#xff0c;使得用户不需要考虑选择合适的长度。标准IO是在系统调用函数构建的&#xff0c;便于用户使用。 标准IO的所有操作都是围绕流&#x…

如何安装“Ubuntu 20.04桌面版,在win10系统“?

一、 下载 https://ubuntu.com/tutorials/install-ubuntu-desktop#get-ubuntu 二、安装 1、 2、 3、 4、 5、 6、 7、 8、 9、 10、 11、 12、关闭安装&#xff0c;设置-分辨率 13、 14、 15、 16、 17、 18、 19、 20、等待安装 21、

C#,数值计算,希尔伯特矩阵(Hilbert Matrix)的算法与源代码

Hilbert, David (1862-1943) 1 希尔伯特(Hilbert) 德国数学家,在《几何学基础》中提出了第一套严格的几何公理(1899年)。他还证明了自己的系统是自洽的。他发明了一条简单的空间填充曲线,即埃里克魏斯汀的数学世界,即希尔伯特曲线,埃里克魏斯汀的数学世界,并证明了不…

Unity资源热更新----AssetBundle

13.1 资源热更新——AssetBundle1-1_哔哩哔哩_bilibili Resources 性能消耗较大 Resources文件夹大小不能超过2个G 获取AssetBundle中的资源 打包流程 选择图片后点击 创建文件夹&#xff0c;Editor优先编译 打包文件夹位置 using UnityEditor; using UnityEngine; public cla…

v-model 粗略解析

v-model 粗略解析 v-model是什么&#xff1f; 双向数据绑定&#xff0c;可以从data流向页面&#xff0c;也可以从页面流向data通常用于表单收集&#xff0c;v-model 默认绑定 value 值书写形式&#xff1a; v-model:value"" 或 v-model v-model原理是什么&#xf…

C#快速入门基础

本篇文章从最基础的C#编程开始学习&#xff0c;经过非常优秀的面向对象编程思想和方法的学习&#xff0c;为C#编程打下基础。 第 01 章 C#开发环境之VS使用和.NET平台基础 1.1 Visual Studio 开发环境 1.1.1 硬件环境 i5CPUi5CPU&#xff08;建议 4核 4线程或以上 &#xff0…