• 主题
高级搜索  >
历史搜索 清空历史
首页> 外文会议>Chinese Control Conference >Multitask Learning for Common Spatial Patterns
【24h】

Multitask Learning for Common Spatial Patterns

机译：常见空间模式的多任务学习

获取原文
页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

Common spatial pattern (CSP) is a spatial filtering algorithm which can be used in motor imagery-based brain-computer interface (BCI) for extracting spatial feature of multivariate signals. But CSP algorithm has inherent drawback, which is that the estimation of the covariance matrices is sensitive to noise, and when few data are available, CSP algorithm is very likely to overfit while it is very time consuming to collect large amount of training data from each task. In this paper, we propose a multitask learning method to extract discriminative subspace shared between subjects and regularize CSP away from the orthogonal complement of this subspace. We compared our method with the standard CSP algorithm on three publicly available datasets of BCI competitions, and an significant performance gain was observed, which therefore demonstrated the advantage of the proposed method.
机译：常见的空间模式（CSP）是一种空间滤波算法，其可用于基于电动机图像的脑电脑接口（BCI），用于提取多变量信号的空间特征。但是CSP算法具有固有的缺点，即协方差矩阵的估计对噪声敏感，并且当有很少的数据时，CSP算法很可能会过度装备，而收集来自每个的大量培训数据非常耗时任务。在本文中，我们提出了一种多任务学习方法，以提取在科目之间共享的判别子空间，并将CSP与此子空间的正交补充进行正常化。我们将我们的方法与标准CSP算法进行了比较了三个公开可用的BCI比赛数据集，并且观察到显着的性能增益，因此表明了该方法的优势。

著录项

相似文献

  • 外文文献
  • 中文文献
  • 专利
获取原文

客服邮箱：kefu@zhangqiaokeyan.com

京公网安备：11010802029741号 ICP备案号：京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有

  • 客服微信

  • 服务号