买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

摘要：本发明公开了一种用于脑机接口的元学习方法、脑电信号识别方法及装置，属于脑机接口与机器学习领域，方法包括：S1，获取包含M个源域用户数据的数据集，M＞2；S2，将数据集中的源域用户数据随机两两组合，得到M2组源域用户数据组，对于每组源域用户数据组，利用其中一个源域用户数据更新脑机接口模型的模型参数，并在另一个源域用户数据上计算更新后的脑机接口模型的损失；S3，计算S2中得到的各损失的平均损失，并根据平均损失对S2中更新前的脑机接口模型的模型参数进行更新；S4，重复执行S2‑S3，直至更新后的脑机接口模型的损失函数收敛，并输出最后一次更新得到的脑机接口模型。保护源域数据隐私，提升源域模型质量。

主权项：1.一种用于脑机接口的元学习方法，其特征在于，包括：S1，获取包含M个源域用户数据的数据集，每一所述源域用户数据包含多个带标签样本，M＞2；S2，将所述数据集中的源域用户数据随机两两组合，得到M2组源域用户数据组，对于每组源域用户数据组，利用其中一个源域用户数据更新脑机接口模型的模型参数，并在另一个源域用户数据上计算更新后的脑机接口模型的损失；S3，计算所述S2中得到的各损失的平均损失，并根据所述平均损失对所述S2中更新前的脑机接口模型的模型参数进行更新；S4，重复执行所述S2-S3，直至更新后的脑机接口模型的损失函数收敛，并输出最后一次更新得到的脑机接口模型；当所述S4之前获取到目标域被试校准数据时，所述S4中还包括：利用所述目标域被试校准数据再次调节最后一次更新得到的脑机接口模型；所述S4中最终输出的为再次调节得到的脑机接口模型；再次调节得到的脑机接口模型为： 其中，θ′MDMAML、θMDMAML分别为再次调节之后、再次调节之前的脑机接口模型的模型参数，为θMDMAML的梯度，γ为脑机接口模型的第一学习率，为再次调节之前的脑机接口模型，为的损失函数；所述S2中利用其中一个源域用户数据更新脑机接口模型的模型参数包括：冻结脑机接口模型中域偏移前后余弦相似度高于设定阈值的模型网络层的参数，利用其中一个源域用户数据更新脑机接口模型中其余模型网络层的参数；所述S3中的更新操作为： 其中，θ为脑机接口模型fθ的模型参数，β为脑机接口模型的第二学习率，为θ的梯度，LMDMAML为所述S3中得到的平均损失，Si、Sj为数据集S中的第i、j个源域用户数据，为中间模型在Sj上计算的损失，θ′i为脑机接口模型fθ在Si上更新后获得的中间模型的模型参数，α为脑机接口模型的第三学习率，为脑机接口模型fθ在Si上计算的损失；所述S4中重复执行所述S2-S3以优化θ，直至LMDMAML收敛，输出最后一次更新得到的脑机接口模型

全文数据：

权利要求：

百度查询： 华中科技大学 用于脑机接口的元学习方法、脑电信号识别方法及装置