一種基于知識蒸餾和注意力損失的時(shí)間增量學(xué)習(xí)系統(tǒng)

摘要： 目的 基于深度學(xué)習(xí)的運(yùn)動(dòng)想像腦機(jī)接口技術(shù)在智能康復(fù)領(lǐng)域具有很好的發(fā)展前景。然而，運(yùn)動(dòng)想像腦電信號(motor imagery-electroencephalogram, MI-EEG)是一種非平穩(wěn)信號，其數(shù)據(jù)分布和特征空間會隨著康復(fù)進(jìn)程的推進(jìn)而發(fā)生變化，這會導(dǎo)致卷積神經(jīng)網(wǎng)絡(luò)(convolutional neural network, CNN)模型的識別能力下降。為改善運(yùn)動(dòng)想像解... ... （共9頁）