机构名称：
¥ 1.0
神经指纹识别是基于脑活动的神经影像记录在队列中对个体的鉴定。在执行神经指纹识别时，使用二阶统计量度（例如相关或连通性矩阵）是常见的实践。这些度量或功能通常需要在信号通道之间耦合，并且通常忽略单个时间动力学。在这项研究中，我们表明，在多变量时间序列分类的最新进展之后，例如随机卷积内核变换（Rocket）分类器的开发，可以在MEG静止状态记录的短时间段直接执行分类，具有非常高的分类精度。在124个受试者组成的队列中，可以将持续时间为1 s的时间序列分配给正确的受试者，其精度高于99％。所达到的准确性优于以前的方法的精度，同时需要时间段要短得多。
使用minirocket
主要关键词
相关文件推荐
