机构名称：
¥ 1.0
大脑解码不仅是一个有趣的研究领域，而且从认知和临床的角度也具有收益。近年来，大脑解码从脑电图记录中有很大的增长。通常，基于EEG的非侵入性脑部计算机界面（BCI）通常用于解码精神情绪/意图（从宽松的意义上）。这种解码的实用且有用的例子是，BCI控制轮椅或BCI控制的用户界面，可以帮助不同的人。自1924年被德国精神主义者汉斯·伯杰（Hans Berger）（Chen，2014年）发现以来，脑电图（EEG）主要被卫生工作者用于诸如癫痫发作的应用（Chen，2014年）。然而，多年来，它在认知神经科学和生物医学工程领域的用途显着改善。与其他一些大脑感应性相比，该技术的主要收益不仅是其非侵入性，而且是其高时间分辨率以及相对较低的成本。除了这些优势之外，脑电图信号的劣势是非常差的SNR。说过，由于信号与噪声比率较差，因此很难吸收来自脑电图的大脑中发生的事情。尽管如此，已经为诸如解码情感和分析的应用程序完成了大量的BCI成功工作（Chen等，2019; Craik等，2019; Gao等，2015）等。受到此类研究的启发，我们进一步探索了一个重新
通过度量的视觉脑解码的EEG分类... 比较p300检测的卷积和复发性神经网络
主要关键词
相关文件推荐
