机构名称：
¥ 1.0
摘要：脑机接口（BCI）是大脑与外界进行通信的强大系统。传统的BCI系统仅基于EEG信号工作。最近，研究人员使用EEG信号与其他信号的组合来提高BCI系统的性能。在这些信号中，EEG与fNIRS的结合取得了良好的效果。在大多数研究中，仅将EEG或fNIR视为链状序列，并且没有考虑相邻信号之间的复杂相关性，无论是时间还是通道位置。在本文中，引入了一个深度神经网络模型，通过引入时间和空间特征来识别人脑的精确目标。所提出的模型结合了EEG和fNIRS信号之间的空间关系。这可以通过将这些链状信号的序列转换为分层的三阶张量来实现。测试表明，所提出的模型的精度为99.6％。 关键词：EEG，fNIRS，混合BCI，深度学习，空间，时间。
用于对同时发生的EEG-fNIRS信号进行分类的深度循环卷积神经网络
主要关键词
相关文件推荐
