Transferencia de dominio de una sola fuente y de múltiples fuentes entre sujetos cruzados basada en algoritmos de adaptación de dominio para la clasificación de EEG
Autores: Maswanganyi, Rito Clifford; Tu, Chunling; Owolawi, Pius Adewale; Du, Shengzhi
Idioma: Inglés
Editor: MDPI
Año: 2025
Acceso abierto
Artículo científico
2025
Transferencia de dominio de una sola fuente y de múltiples fuentes entre sujetos cruzados basada en algoritmos de adaptación de dominio para la clasificación de EEG
Categoría
Matemáticas
Subcategoría
Matemáticas generales
Palabras clave
Aprendizaje por transferencia
Interfaces cerebro-computadora basadas en EEG
Cambios de dominio
Relación señal-ruido
Dinámica neural
Rendimiento de clasificación
Licencia
CC BY-SA – Atribución – Compartir Igual
Consultas: 32
Citaciones: Sin citaciones
El aprendizaje por transferencia (TL) se ha empleado en interfaces cerebro-computadora (BCIs) basadas en electroencefalogramas (EEG) para mejorar el rendimiento en la clasificación de EEG entre sesiones y sujetos. Sin embargo, los cambios de dominio combinados con una baja relación señal-ruido entre las grabaciones de EEG han demostrado contribuir a variaciones significativas en la dinámica neural de EEG de sesión a sesión y de sujeto a sujeto.
Descripción
El aprendizaje por transferencia (TL) se ha empleado en interfaces cerebro-computadora (BCIs) basadas en electroencefalogramas (EEG) para mejorar el rendimiento en la clasificación de EEG entre sesiones y sujetos. Sin embargo, los cambios de dominio combinados con una baja relación señal-ruido entre las grabaciones de EEG han demostrado contribuir a variaciones significativas en la dinámica neural de EEG de sesión a sesión y de sujeto a sujeto.