论文笔记：EEGNet：A Compact Convolutional Network for EEG-based Brain-Computer Interfaces

最新推荐文章于 2025-11-11 14:34:49 发布
原创 最新推荐文章于 2025-11-11 14:34:49 发布 · 1.4k 阅读 · 4 ·
CC 4.0 BY-SA版权
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
文章标签：

#EEGNet #EEG #深度学习 #脑机接口

EEGNet是一种紧凑的卷积神经网络，用于基于EEG的脑机接口。它借鉴了DEEPCNN和shallowCNN的架构，但具有独特的设计，包括三个阶段，分别对应于FBCSP中的滤波、CSP和特征选择。这种网络旨在优化脑电图信号的处理，提高脑机接口系统的性能。
部署运行你感兴趣的模型镜像

EEGNet：A Compact Convolutional Network for EEG-based Brain-Computer Interfaces

与DEEPCNN、shallow CNN相似（笔记），只是结构上略有不同。整个网络由三个部分组成，分别对应FBCSP中的带通滤波、CSP、特征选择。

您可能感兴趣的与本文相关的镜像

ACE-Step

ACE-Step

音乐合成
ACE-Step

ACE-Step是由中国团队阶跃星辰（StepFun）与ACE Studio联手打造的开源音乐生成模型。 它拥有3.5B参数量，支持快速高质量生成、强可控性和易于拓展的特点。 最厉害的是，它可以生成多种语言的歌曲，包括但不限于中文、英文、日文等19种语言

EEGNet: A Compact Convolutional Neural Networkfor EEG-based Brain-Computer Interfaces个人笔记
ZG
10-29 636
EEGNet: A Compact Convolutional Neural Networkfor EEG-based Brain-Computer Interfaces(Vernon J. Lawhern*, Amelia J. Solon, Nicholas R. Waytowich, Stephen M. Gordon,Chou P. Hung, and Brent J. Lance)(journal of neural engineering，2018) This paper prop
论文阅读 EEGNet
m0_58970439的博客
03-20 1393
传统基于CNN的脑机接口（BCI）研究多针对单一类型的任务（如P300分类、运动想象分类），并针对该任务的特定脑电信号特征设计模型。然而，不同BCI任务（如事件相关电位ERP和振荡节律信号）的脑电特征差异显著（如时域波形与频域节律），因此针对某一任务优化的CNN架构是否能在其他任务中保持良好性能尚未验证。这种局限性导致CNN模型的通用性存疑，即能否设计一个统一架构适应多种BCI范式。是否可以设计一个单一的CNN架构来准确地分类来自不同BCI范例的EEG信号，同时尽可能紧凑（定义为模型中参数的数量）？
EEGNet: A Compact Convolutional Neural Network for EEG-based Brain-Computer Interfaces 代码推理及实战
SpaceSunflower 's ML/DL home
09-25 2019
EEGNet: A Compact Convolutional Neural Network for EEG-based Brain-Computer Interfaces 代码推理及实战
EEGNet：轻量级脑电信号卷积神经网络
最新发布
ahaoskr的博客
11-11 806
是一个专门为 脑电信号（EEG）分类任务 设计的轻量级卷积神经网络（CNN）。最早由 Vernon J. Lawhern 等人 在论文中提出。
EEGnet模型论文讲解（画图详解三种卷积层操作）
热门推荐
Amigo_1997的博客
05-25 2万+
我录了一个讲解视频：https://www.bilibili.com/video/BV1si4y1s7g7/ 目录 一、整体介绍 二、梳理激活函数 三、图解三种卷积层 （核心内容） 四、总结 一、整体介绍 EEGnet是为专门一般的脑电图识别任务而设计的通用且紧凑的卷积神经网络。（设计思路借鉴了MobileNet） 下图是EEGnet的整体结构图，只有三个卷积模块，重点是depthwise conv 和separable conv这两个卷积模块。 表格表明了EEGnet的...
EEG | EEGNet 神经网络分类脑电信号实战（附完整源码）
Always learn from the best.
01-16 1万+
EEGNet + MNE 分类脑电数据集
58、教授学生关于脑机模型论文的批判性学习，以FB-EEGNet为例[吾少时握剑，便知天下第一]
mantoudamahou的博客
04-22 1385
本次讲解的模型由重庆邮电大学计算机、自动化学院于2022年7月在（不是，这个三区的期刊影响因子好高啊）发表。本模型在基于EEGNet结构的基础上，在模型最前面加入了FBCSP（空间滤波器组），对原始EEG信号进行不同频带的滤波，再输入到完整的EEGNet中提取时域频域的特征用于分类，在2个SSVEP数据上均达到SOTA水准，优于EEGNet、CCNN、CCA、FBCCA。
1.EEGNet 网络代码复现(2020.09.23)
qq_45363979的博客
09-23 6177
《EEGNet: A Compact Convolutional Neural Network for EEG-based Brain-Computer Interfaces》 有时间再详细写一下网络的具体结构和深度可分离卷积的知识。 # 导入工具包 import numpy as np import torch import torch.nn as nn import torch.nn.functional as F class EEGNet(nn.Module): def __init__(
深度学习应用于脑电信号分析处理的相关论文，更新了......
qq_38424674的博客
11-09 5747
分享几篇自己看过的相关论文 1.（综述性质论文）Deep learning-based electroencephalography analysis: a systematic review 论文地址：论文地址 主要思想： 这篇综述回顾了从 2010 年到 2018 年的 156 篇将 DL（Deep Learning，深度学习）应用在 EEG 的文章，这些论文涵盖了不同的应用领域，如枕测、睡眠、脑机接口、认知和情感监测，并从大量的文献中提取趋势并突出有趣的方法，以便为未来的研究提供信息并制定建议； 这篇
attention-lstm-eegnet模型
06-12
《EEGNet: A Compact Convolutional Network for EEG-based Brain-Computer Interfaces》[^1] ▪️ 提出轻量化CNN架构，适合EEG时空特征提取 ▪️ 开源代码：https://github.com/vlawhern/arl-eegmodels - *...
论文研究-基于稀疏表示的脑电(EEG）情感分类.pdf
07-22
计算机对人类情绪与情感的识别研究已经成为了脑机接口领域的研究热点。通过分析人类在生活中的各种情感状态，提取脑电信号的特征并对情感状态进行识别、分类是情感智能化领域的重要方向。针对基于音乐视频诱导的情感数据集DEAP进行了研究，提取脑电信号的频域特征后，提出了采用加速近邻梯度（APG）算法和正交匹配（OMP）算法求解稀疏编码的稀疏表示分类模型进行情感分类，并与支持向量机（SVM）算法进行效果比较。实验结果表明，APG算法通过l1范数正则近似求解以其快速的收敛速度在情感数据集上有着较好的分类表现，而OMP算法与SVM算法的分类效果相差无几，实现了情感脑电信号的分类。
EEGNET网络实现_脑电分类_神经网络_深度学习_信号处理_believedtep_
09-29
利用EEGNET进行数据分析的代码实例，可用于文本分类，脑电信号处理等
17、EEG-TCNet:论文解读+模型复现+BCI IV2a测试
mantoudamahou的博客
12-14 7492
对以上论文中的EEG-TCNet模型进行pytorch复现，并使用BCI IV2a数据进行测试，观察到目前全网缺少EEG-TCNet的pytorch实现代码，实质是缺少TCN块的pytorch代码，原因是： 之前pytorch中有torch.nn.CausalConv2d可直接实现二维因果卷积，来搭建TCN块，但是目前这个在pytroch中已被删除，现在大多数人想用因果卷积都是直接使用TCN块中的卷积+修改尺寸结构，但是还可以使用平移、权重归一化来实现二维因果卷积。而在Tensorflow编写框架中可以直
EEGNET：开源的可视化分析脑网络工具
Lustrewilkin的博客
11-21 6524
文章连接 名称：EEGNET: An Open Source Tool for Analyzing and Visualizing M/EEG Connectome 写在前面的话 翻译水平有限，所以附上原文可以及时对照。我已经把不太确定和可能有问题的标注了，如有错误请多多批评指正，感谢♪(･ω･)ﾉ 翻译这东西吧，不是说看不懂，但这么长的文章真的看着太痛苦了，而且个人翻译还要打字，更慢。事实证明真的机器翻译大行其道不是没有原因的。 安装 将安装包解压，添加到路径之下即可 数据 This file repre
EEGNet: 神经网络应用于脑电信号
脑机接口社区
12-11 6469
脑机接口（BCI）使用神经活动作为控制信号，实现与计算机的直接通信。这种神经信号通常是从各种研究透彻的脑电图(EEG)信号中挑选出来的。卷积神经网络（CNN）主要用来自动特征提取和分类，其...
【脑机接口 算法】EEGNet: 通用神经网络应用于脑电信号
高山
11-08 4080
脑机接口（BCI）使用神经活动作为控制信号，实现与计算机的直接通信。这种神经信号通常是从各种研究透彻的脑电图(EEG)信号中挑选出来的。卷积神经网络（CNN）主要用来自动特征提取和分类，其在计算机视觉和语音识别领域中的使用已经很广泛。CNN已成功应用于基于EEG的BCI；但是，CNN主要应用于单个BCI范式，在其他范式中的使用比较少，论文作者提出是否可以设计一个CNN架构来准确分类来自不同BCI范式的EEG信号，同时尽可能地紧凑（定义为模型中的参数数量）。
信号处理--使用EEGNet进行BCI脑电信号的分类
张哥频道：电生理信号和磁共振成像
03-24 3343
EEGNet作为一个比较成熟的框架，在BCI众多任务中，表现出不俗的性能。EEGNet 的主要特点包括：1）框架相对比较简单紧凑 2）适合许多的BCI脑电分析任务 3）使用两种卷积 Depth-wise convolution 和 separable convolution 实现普适特征的提取。
网络模型整理
photo_chip的博客
04-30 911
EEGNet
论文记录1
weixin_39048703的博客
10-06 746
10.6 论文记录 应用深度学习EEGnet处理脑电信号 论文链接：https://arxiv.org/pdf/1611.08024.pdf 本文主要内容： EEGnet论文； EEGnet的实现。 正文部分： 脑机接口（BCI）使用神经活动作为控制信号，实现与计算机的直接通信。这种信号通常是从各种研究透彻的脑电图（EEG）信号中挑选出来的。卷积神经网络（CNN）主要用来自动特征提取分类，其在计算机视觉和语音识别领域中的使用已经很广泛。CNN已成功应用于基于EEG的BCI；但是CNN主要应用于单个BCI
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值