MI-EEG

深度学习技术在脑电（EEG）运动想象（MI）信号分类中的应用（上）

近年来，深度学习（DL）对基于MI-EEG的BCI产生了巨大影响。在这项工作中，我们系统地回顾了过去十年基于DL的MI-EEG分类研究。本文首先解释了研究选择的程序，然后概述了BCI
思影科技·2023-12-30 09:12

模式识别类毕业论文文献都有哪些？

[期刊论文]基于深度卷积网络的运动想象脑电信号模式识别期刊：《计算机应用》|2021年第004期摘要：针对运动想象脑电信号(MI-EEG)分类准确率普遍偏较低的问题,引入基于深度框架的卷积神经网络模型(
六维论文推荐·2023-01-30 08:21

基于深度学习网络的运动想象BCI系统及其应用

研究人员经过调研发现，以往对MI-EEG信号进行分类的方法，由于缺乏时频特征，分类效果不是很理想。在该项研究中，研究人员采用离散小波变换(DWT)对脑电信号进行变换，并提取其有效系数作为时频特征。
脑机接口社区·2020-09-10 22:02
上一页 1 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他