Improving EEG-Based Emotion Classification Using Conditional Transfer Learning论文解读

文章问题提出:情感分类需要每个人提供大量的校准数据但那是费时费力的,怎么才能不通过增加样本数据下提高检测的准确度? 文章方案:通过条件迁移学习来解决那些样本分类不好的个体,即从源域中选取与目标域相似的样本,组成新的源域从而提高检测的准曲率。 dataset: Oscar soundtrack EEG dataset.26个个体每个人有16段的30-s 30-channel 脑电实验和自我评价lab
相关文章
相关标签/搜索