基于残差图卷积网络的运动想象任务分类

摘要：

为了提高运动想象脑机接口任务分类的准确性,需要增强运动想象脑电信号的解码精度.利用脑电的空间分布及多导联信息关联,构建图神经网络,提出了一种基于残差图卷积的运动想象任务分类模型.将残差学习嵌入深度图卷积神经网络,改善网络退化;并将分层图池化方法加入模型,充分提取运动想象脑电特征信息,提高分类准确率.该模型在两个脑机接口竞赛数据集上分别取得 93.84%和 96.39%的平均分类准确率以及 0.917 1 和 0.953 5 的平均Kappa系数.仿真结果表明,模型能有效提高运动想象脑机接口任务分类精度,且具有较好的泛化能力.

关键词：脑机接口、图卷积神经网络、残差学习、运动想象任务

所属期刊栏目：37

分类号：TP391(计算技术、计算机技术)

资助基金：山西省回国留学人员科研资助项目2020-009

在线出版日期：2023-11-13（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：481-489