Loading...
arXiv:2001.04225v1 [eess.SP] 2020 年 1 月 10 日
机构名称：

arXiv:2001.04225v1 [eess.SP] 2020 年 1 月 10 日

¥ 1.0
热度

摘要。深度神经网络 (DNN) 已在各种机器学习领域得到研究。例如，事件相关电位 (ERP) 信号分类是一项高度复杂的任务，可能适合 DNN，因为信噪比低，并且底层空间和时间模式显示出很大的主体内和主体间变异性。卷积神经网络 (CNN) 与基线传统模型（即线性判别分析 (LDA) 和支持向量机 (SVM)）进行了比较，使用大量多主体公开可用的学龄儿童 P300 数据集（138 名男性和 112 名女性）进行单次试验分类。对于单次试验分类，所有测试的分类模型的分类准确率保持在 62% 到 64% 之间。当将训练好的分类模型应用于平均试验时，准确率提高到 76-79%，分类模型之间没有显著差异。CNN 并未证明优于测试数据集的基线。讨论了与相关文献的比较、局限性和未来发展方向。

添加pdf代下载 VIP点击下载文件

arXiv:2001.04225v1 [eess.SP] 2020 年 1 月 10 日

Facebook Twitter Instagram Mail

主要关键词

arXiv:2001.04225v1 [eess.SP] 2020 年 1 月 10 日PDF文件第1页

arXiv:2001.04225v1 [eess.SP] 2020 年 1 月 10 日PDF文件第2页

arXiv:2001.04225v1 [eess.SP] 2020 年 1 月 10 日PDF文件第3页

arXiv:2001.04225v1 [eess.SP] 2020 年 1 月 10 日PDF文件第4页

arXiv:2001.04225v1 [eess.SP] 2020 年 1 月 10 日PDF文件第5页

相关文件推荐

arXiv:2001.11954v1 [eess.SP] 2020 年 1 月 30 日
2020 年

arXiv:2001.11954v1 [eess.SP] 2020 年 1 月 30 日

¥1.0
arXiv:2001.02040v1 [eess.IV] 2020 年 1 月 6 日
2020 年

arXiv:2001.02040v1 [eess.IV] 2020 年 1 月 6 日

¥1.0
arXiv:2001.03529v1 [quant-ph] 2020 年 1 月 10 日
2020 年

arXiv:2001.03529v1 [quant-ph] 2020 年 1 月 10 日

¥1.0
arXiv:2001.03508v1 [quant-ph] 2020 年 1 月 10 日
2020 年

arXiv:2001.03508v1 [quant-ph] 2020 年 1 月 10 日

¥1.0
arXiv:2002.03688v1 [eess.IV] 2020 年 2 月 10 日
2020 年

arXiv:2002.03688v1 [eess.IV] 2020 年 2 月 10 日

¥1.0
arXiv:2002.00538v1 [eess.SP] 2020 年 2 月 3 日
2020 年

arXiv:2002.00538v1 [eess.SP] 2020 年 2 月 3 日

¥1.0
arXiv:2004.11839v1 [eess.SP] 2020 年 4 月 14 日
2020 年

arXiv:2004.11839v1 [eess.SP] 2020 年 4 月 14 日

¥1.0
arXiv:2009.12111v2 [eess.IV] 2020 年 10 月 28 日
2020 年

arXiv:2009.12111v2 [eess.IV] 2020 年 10 月 28 日

¥1.0
arXiv:2004.02730v2 [eess.SY] 2020 年 10 月 2 日
2020 年

arXiv:2004.02730v2 [eess.SY] 2020 年 10 月 2 日

¥3.0
arXiv:2004.02730v2 [eess.SY] 2020 年 10 月 2 日
2020 年

arXiv:2004.02730v2 [eess.SY] 2020 年 10 月 2 日

¥3.0
arXiv:2001.00804v1 [cs.AI] 2020 年 1 月 3 日
2020 年

arXiv:2001.00804v1 [cs.AI] 2020 年 1 月 3 日

¥1.0
arXiv:2001.01577v1 [cs.AI] 2020 年 1 月 6 日
2020 年

arXiv:2001.01577v1 [cs.AI] 2020 年 1 月 6 日

¥1.0
arXiv:2001.02021v1 [cs.AI] 2020 年 1 月 7 日
2020 年

arXiv:2001.02021v1 [cs.AI] 2020 年 1 月 7 日

¥1.0
arXiv:2210.11373v2 [eess.SP] 2022 年 10 月 24 日
2022 年

arXiv:2210.11373v2 [eess.SP] 2022 年 10 月 24 日

¥1.0
arXiv:2211.02630v1 [eess.SP] 2022 年 10 月 29 日
2022 年

arXiv:2211.02630v1 [eess.SP] 2022 年 10 月 29 日

¥1.0
arXiv:2210.06290v1 [eess.SP] 2022 年 10 月 11 日
2022 年

arXiv:2210.06290v1 [eess.SP] 2022 年 10 月 11 日

¥1.0
arXiv:2001.07075v1 [cs.IR] 2020 年 1 月 20 日
2020 年

arXiv:2001.07075v1 [cs.IR] 2020 年 1 月 20 日

¥1.0
arXiv:2006.05846v1 [cs.AI] 2020 年 6 月 10 日
2020 年

arXiv:2006.05846v1 [cs.AI] 2020 年 6 月 10 日

¥1.0
arXiv:2001.01498v1 [quant-ph] 2020 年 1 月 6 日
2020 年

arXiv:2001.01498v1 [quant-ph] 2020 年 1 月 6 日

¥1.0
arXiv:2005.02933v1 [eess.IV] 2020 年 5 月 6 日
2020 年

arXiv:2005.02933v1 [eess.IV] 2020 年 5 月 6 日

¥1.0
arXiv:2001.07537v1 [cs.AI] 2020 年 1 月 21 日
2020 年

arXiv:2001.07537v1 [cs.AI] 2020 年 1 月 21 日

¥1.0
arXiv:2001.06253v1 [quant-ph] 2020 年 1 月 17 日
2020 年

arXiv:2001.06253v1 [quant-ph] 2020 年 1 月 17 日

¥1.0
arXiv:2006.05113v2 [cs.CL] 2020 年 10 月 2 日
2020 年

arXiv:2006.05113v2 [cs.CL] 2020 年 10 月 2 日

¥1.0
arXiv:2102.08976v2 [eess.SP] 2021 年 3 月 5 日
2021 年

arXiv:2102.08976v2 [eess.SP] 2021 年 3 月 5 日

¥1.0
arXiv:2001.07106v1 [quant-ph] 2020 年 1 月 20 日
2020 年

arXiv:2001.07106v1 [quant-ph] 2020 年 1 月 20 日

¥1.0
arXiv:2403.09136v3 [eess.IV] 2024 年 10 月 9 日
2024 年

arXiv:2403.09136v3 [eess.IV] 2024 年 10 月 9 日

¥1.0
arXiv:2001.06598v1 [quant-ph] 2020 年 1 月 18 日
2020 年

arXiv:2001.06598v1 [quant-ph] 2020 年 1 月 18 日

¥1.0
arXiv:2001.08485v1 [gr-qc] 2020 年 1 月 23 日
2020 年

arXiv:2001.08485v1 [gr-qc] 2020 年 1 月 23 日

¥2.0
arXiv:2001.08483v1 [nucl-th] 2020 年 1 月 23 日
2020 年

arXiv:2001.08483v1 [nucl-th] 2020 年 1 月 23 日

¥1.0
arXiv:2001.09091v1 [math.GT] 2020 年 1 月 22 日
2020 年

arXiv:2001.09091v1 [math.GT] 2020 年 1 月 22 日

¥1.0