机构名称：
¥ 1.0
不同类别的视觉刺激激活人脑中的不同反应。这些信号可以用脑电图捕获，以在诸如脑部计算机界面（BCI）之类的应用中利用。然而，由于脑电图的信噪比低，单审数据的准确分类是具有挑战性的。这项工作介绍了一个基于多头自我注意力的EEG-Convtranformer网络。与其他变压器不同，该模型结合了自我注意事项以捕获区域间相互作用。它进一步扩展到辅助卷积过滤器，并以多头注意力作为学习时间模式的单个模块。实验结果表明，在五个不同的视觉刺激分类任务上，EEG-ConvTransFormer在最新技术上实现了分类精度的提高。最后，对头间多样性的定量分析在表示子空间中的相似性也很低，这强调了多头关注的隐式多样性。
基于单验EEG的视觉刺激分类
主要关键词
相关文件推荐
