运动想象是一种自发性的脑电信号，基于运动想象的脑卒中康复系统可以将脑卒中患者的主动意识加入到训练过程中，激活患者的运动神经，帮助其重建受损神经通路，逐渐实现运动功能的康复。针对该系统，提出了一种基于迁移学习的动态联合自适应网络模型用于运动想象脑电信号解码，该模型采用了特征级边缘分布对齐和条件分布对齐的思路来解决不同时间段脑电信号的差异性，构建了一个多层卷积神经网络从原始数据中提取深度表征，并通过边缘鉴别器和条件鉴别器来减少来自不同时间段脑电信号的边缘分布和条件分布差异，提高脑电特征的时间不变性和可分性，并动态评估边缘分布和条件分布对脑电信号特征对齐的相对重要性，提高脑电信号特征的鲁棒性，该模型可实现四类运动想象脑电信号高精度解码。
动态联合自适应网络模型用于运动想象脑电信号高精度解码
