迁移学习如何赋能脑科学发展？南工大团队最新成果助力解码脑电信号

大脑是人体的中央控制器，具有高度的认知、学习、推理和决策能力，解码脑神经信号的动态变化是脑科学研究重要方向之一。日前，南京工业大学科研团队在脑电信号解码领域取得突破，助力脑疾病的诊治、类脑智能技术的发展。

" 在自发脑电信号识别，通常需要 20 — 30 分钟的校准时间，用户容易疲劳，对于残障患者特别不友好，阻碍了机器学习方法在临床实践中的应用。" 论文通讯作者、南京工业大学计算机科学与技术学院杭文龙副教授介绍，借助于其他受试者已有的脑电数据，建立迁移学习模型是一种有效解放人力的途径。

杭文龙解释，在构建迁移学习模型时，需要利用借助于其他受试者脑电数据训练分类器。据介绍，较传统迁移分类器，他们的分类器能排除不可靠的受试者的数据，建立自适应迁移分类模型，提升脑电分类器的解码能力。

杭文龙表示，他们设计了一种矩阵分类器，利用这种矩阵分类器能够挖掘数据的结构相关信息，可以广泛应用在医院、科研等机构中，助力脑疾病检测的发展。

" 以脑科学为代表的新一轮科技革命和产业变革深入发展，正在重构全球创新版图、重塑全球经济结构，该项研究成果对促进神经性疾病诊疗、脑机交互以及脑科学技术与方法等基础研究具有重要的理论及实际应用价值。" 杭文龙介绍。

声明:公众号转载的文章及图片出于非商业性的教育和科研目的供大家参考和探讨，并不意味着支持其观点或证实其内容的真实性。版权归原作者所有，如转载稿涉及版权等问题，请立即联系我们删除。