机构名称：
¥ 1.0
摘要 - 基于EEG的大脑计算机界面（BCI）允许人们使用大脑信号进行交流和控制外部设备。通过从EEG信号中检测用户意图，BCI的应用范围从协助不稳定到在虚拟现实环境中的交互。主要问题在于正确地对EEG信号进行分类以发出命令，并以最少的预处理和资源要求。为了克服这些问题，我们提出了一种新型的优化连接神经网络模型BCInet。我们已经评估了在移动大脑/身体成像（MOBI）设置中收集的两个基于EEG的BCI数据集上的BCINET。BCInet显着优于两个数据集的分类，其准确性提高了20％，而少于75％的可训练参数。这样的模型具有提高的性能，而对计算资源的要求较少为开发具有高性能的几种现实世界中的BCI应用程序开辟了可能性。索引术语 - 跨学神经网络，深度学习，脑电图，脑部计算机界面，MOBI，认知冲突，BCINET。
bcinet：脑电图的优化卷积神经网络...
主要关键词
相关文件推荐
