机构名称：
¥ 1.0
脑电图 (EEG) 解码旨在根据非侵入式测量的大脑活动识别神经处理的感知、语义和认知内容。传统的 EEG 解码方法在应用于静态、控制良好的实验室环境中获取的数据时取得了一定的成功。然而，开放世界环境是一个更现实的设定，其中影响 EEG 记录的情况可能会意外出现，从而大大削弱现有方法的稳健性。近年来，深度学习 (DL) 因其卓越的特征提取能力而成为此类问题的潜在解决方案。它克服了定义“手工制作”特征或使用浅层架构提取的特征的局限性，但通常需要大量昂贵的、专家标记的数据——而这些数据并不总是能够获得。将 DL 与领域特定知识相结合，可以开发出即使使用小样本数据也能解码大脑活动的稳健方法。尽管已经提出了各种 DL 方法来应对 EEG 解码中的一些挑战，但目前缺乏系统的教程概述，特别是针对开放世界应用的教程概述。因此，本文对开放世界 EEG 解码的 DL 方法进行了全面概述，并确定了有希望的研究方向，以启发未来在现实世界应用中对 EEG 解码的研究。
通过深度学习实现开放世界脑电图解码：一项综合调查
主要关键词
相关文件推荐
