机构名称：
¥ 1.0
从原始脑电信号中学习可区分的特征对于准确分类运动想象 (MI) 任务至关重要。为了结合脑电源之间的空间关系，我们开发了一个基于脑电图的特征集。在此图中，脑电通道表示节点，功率谱密度 (PSD) 特征定义其属性，边缘保留空间信息。我们设计了一个基于脑电图的图形自注意网络 (EGSAN) 来学习脑电图的低维嵌入向量，可将其用作运动想象任务分类的可区分特征。我们在两个公开可用的 MI 脑电数据集上评估了我们的 EGSAN 模型，每个数据集包含不同类型的运动想象任务。我们的实验表明，我们提出的模型有效地从脑电图中提取了可区分的特征，与现有的最先进方法相比，分类准确率明显更高。关键词：运动想象 (MI)、脑电图 (EEG)、特征学习、图形表示、自注意
期刊预校样 - 埃塞克斯研究资料库
主要关键词
相关文件推荐
