运动想象 (MI) 分类学习系列 (8) :IFNet

本文提出了一种名为IFNet的轻量级深度学习模型,用于提高基于脑电图(EEG)的脑机接口(BCI)中的运动想象(MI)任务的解码效果。IFNet通过交互式频率卷积捕捉跨频交互,增强MI任务的表示。通过重复试验增强作为正则化器,解决了有限和非平稳脑电图样本带来的挑战。实验表明,IFNet在多个基准数据集上表现出优越性能。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

论文地址:https://ieeexplore.ieee.org/abstract/document/10070810
论文题目:IFNet: An Interactive Frequency Convolutional Neural Network for Enhancing Motor Imagery Decoding from EEG
论文代码:https://github.com/Jiaheng-Wang/IFNet

0. 引言

基于脑电图(EEG)的脑机接口(BCI)的运动意象(MI)解码的关键原理是联合高效地从频谱、空间和时间域中提取任务判别特征,而有限、噪声和非平稳的脑电图样本对解码算法的先进设计提出了挑战。方法:受跨频耦合概念及其与不同行为任务的相关性的启发,该文提出一种轻量级交互式频率卷积神经网络(IFNet) 来探索跨频交互以增强M

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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

打赏作者

sjx_alo

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付
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