自计算技术问世以来,人与计算机技术之间的差距已大大缩小。从早期的人机界面(如键盘和麦克风)开始,人与计算机之间的界限逐渐模糊,这主要归功于脑机接口的出现和利用 [34]。在快速发展的脑机接口 (BCI) 领域,脑电图 (EEG) 分析在建立人脑与机器学习 (ML) 算法之间的联系方面起着至关重要的作用 [5,11,37,40,43,44,45]。ML 算法的普及和 EEG 数据的日益普及为研究人员探索解释原始 EEG 数据的新方法创造了激动人心的机会。然而,由于研究论文数量庞大且过时速度很快,这一进展对新手来说是一个挑战,使得有效驾驭研究领域变得具有挑战性。为了应对这一艰巨的挑战,我们对脑机接口 (BCI) 领域的现有文献进行了细致的研究,并
![arXiv:2307.02819v1 [cs.HC] 2023 年 7 月 6 日PDF文件第1页](/bimg/b/b6e3ae93c37f2e98999dd8b574347cbf7e7b36f2.webp)
![arXiv:2307.02819v1 [cs.HC] 2023 年 7 月 6 日PDF文件第2页](/bimg/6/6b1e33b86585c29b641db1a831dededc3c0fcb70.webp)
![arXiv:2307.02819v1 [cs.HC] 2023 年 7 月 6 日PDF文件第3页](/bimg/a/a5066283db1b20e8d8766fddb73d8925ab8e53c9.webp)
![arXiv:2307.02819v1 [cs.HC] 2023 年 7 月 6 日PDF文件第4页](/bimg/9/9b9c3a3931bd7916ae0f5d4c1bf06981053438f7.webp)
![arXiv:2307.02819v1 [cs.HC] 2023 年 7 月 6 日PDF文件第5页](/bimg/5/5b9f1dd0b532596c856742c202e9cc2a6eb808c1.webp)
