基于元更新策略与卷积神经网络的抑郁症识别方法及系统

本发明提供一种基于元更新策略与卷积神经网络的抑郁症识别方法及系统，具体应用于深度学习模型。该模型结合了改良的卷积神经网络和自注意力机制，通过卷积网络提取脑电信号特征，自注意力机制旨在提高脑电信号的准确性和适应性。本发明的元更新策略通过以下步骤实现：构建多任务学习框架，以便在训练阶段利用多个脑电信号来增强模型的泛化能力。其次，通过元学习算法，使模型能够在面对新任务时迅速调整其参数，提升模型在小样本学习场景中的适应能力。相比于传统深度学习，该模型结合深度学习与迁移学习的优点，应用元更新策略后，在不同用户和情境下的抑郁症的识别性能得到提高，具有良好的实时适应能力和推广性。