论文笔记： Deep Learning With Convolutional Neural Networks for EEG Decoding and Visualization

Deep Learning With Convolutional Neural Networks for EEG Decoding and Visualization

概述

此笔记主要对模型部分进行描述。

因为CNN可以端到端地解决问题，因此考虑将其用到EEG的处理中，因为EEG信号与图片信号有所不同，因此直接使用原始的CNN是不合适的。文章对此展开了研究，并提出了三种面向EEG的CNN模型，其中第三种为前两种的混合，不作记录。

Deep CNN

在普通的CNN前加入了一个block，包括两个卷积层和一个平均池化层。

其中第一个卷积层的作用是模拟带通滤波，将数据进行分离多种特征。第二层则是起到一个空间滤波的作用。

Shallow CNN

同上，但结构上略有不同。

与FBCSP的联系

原文中提到： Concretely, the first two layers of the shallow ConvNet perform a temporal convolution and a spatial filter, as in the deep ConvNet. These steps are analogous to the bandpass and CSP spatial filter steps in FBCSP.