Improving EEG-Based Emotion Classification Using Conditional Transfer Learning論文解讀

文章問題提出:情感分類需要每個人提供大量的校準數據但那是費時費力的,怎麼才能不通過增加樣本數據下提高檢測的準確度? 文章方案:通過條件遷移學習來解決那些樣本分類不好的個體,即從源域中選取與目標域相似的樣本,組成新的源域從而提高檢測的準曲率。 dataset: Oscar soundtrack EEG dataset.26個個體每個人有16段的30-s 30-channel 腦電實驗和自我評價lab
相關文章
相關標籤/搜索