arxiv：2310.02152v2 [q-bio.nc] 2023年12月20日__

arxiv：2310.02152v2 [q-bio.nc] 2023年12月20日

可下载资源数量

已经购买

下载数量：1

单价	0 1.0
Coupon	100% 0%
Total	0 1.0

点击下载点击购买并下载

点击购买，资源将自动在新窗口打开.

机构名称：

arxiv：2310.02152v2 [q-bio.nc] 2023年12月20日

¥ 1.0

热度

图形神经网络（GNN）越来越多地用于将脑电图分类为情感识别，运动图像和神经系统疾病和疾病等任务。已经提出了广泛的方法来设计基于GNN的分类器。因此，需要对这些方法进行系统的审查和分类。我们详尽地搜索了有关该主题的文献，并得出了几类以进行比较。这些类别突出了这些方法之间的相似性和差异。结果表明，光谱图卷积层的流行率超过了空间。此外，我们确定了节点特征的标准形式，其中最流行的是原始脑电图和差分熵。我们的结果总结了基于GNN的脑电图分类方法的新兴趋势。最后，我们讨论了几个有前途的研究方向，例如探索转移学习方法的潜力和跨频相互作用的适当建模。关键字：图形神经网络，分类，脑电图，神经科学，深度学习

添加pdf代下载 VIP点击下载文件