机构名称：
¥ 1.0
在整个领域提出的所有 BCI 范例中，我们决定专注于运动意象 (MI)，这是一种识别与想象运动相关的信号的范例。该范例常用的大脑相关信号是脑电图信号 (EEG)，它易于获取且非侵入性。传统上，特征提取器和分类器的组合已用于处理这些信号并识别 MI 任务，并获得可接受的性能水平。最近，卷积神经网络 (CNN) 是这两种算法的组合，已用于处理 EEG 信号，获得相似的性能水平，同时比其他机器学习 (ML) 算法更简单。EEGNet 就是一个例子，这是一种紧凑的 CNN 架构，足够强大，可以在一系列 BCI 任务中学习各种可解释的特征，并且与其他参考算法相比，跨范例的泛化更好。
BCI 与 Red Pitaya STEMLab 125-10
主要关键词
相关文件推荐
