一种基于跨模态信息迁移的发音想象脑机接口分类方法

摘要

本发明涉及脑机接口技术领域，具体涉及一种基于跨模态信息迁移的发音想象脑机接口分类方法包括：两个阶段的网络模型的训练，其中，第一阶段为一个双流架构的教师网络，第二阶段为一个单流架构的学生网络；对教师网络进行训练，得出教师网络隐藏层的特征和分类层的输出；使用教师网络隐藏层的特征和分类层的输出分别对学生网络隐藏层的特征与分类层的输出进行约束，训练得到学生网络；本发明解决在噪声干扰大且训练样本较少的情况下，现有的机器学习模型普遍无法取得较好的泛化性能，很容易出现过拟合现象的问题。