https://github.com/eeyhsong/EEG-Conformergithub.com/eeyhsong/EEG-Conformer EEG Conformer: Convolutional Transformer for EEG Decoding and Visualization是清华大学研究人员发表在IEEE Transactions on Neural Systems and Rehabilitation Engineering的一项工作,作者提出了 EEG Conformer(Convolutional Transformer) 模...
📚 论文标题:《EEG Conformer: Convolutional Transformer for EEG Decoding and Visualization》 背景:脑-机接口(BCI)技术正日益成为运动康复、情感识别和人机交互等领域的研究热点。EEG(脑电图)作为一种非侵入性的神经活动检测技术,虽然有效,但易受干扰,导致解码难度大。📊 数据展示:本文提出了一种名为EEG Confor...
图4c和4d展示了不同方法在受试者中的平均准确率。结果显示:ATM性能优于其他对比算法(包括NICE、EEGNetv4、B.D.、EEGConformer、ShallowBCSPNet)。通过分析检索任务和分类任务的性能差距,我们发现:EEG表示与CLIP图像表示上的匹配度明显优于其与CL...
轻量级深度学习模型 专为脑电信号分类设计 查看论文 FBCNet 多频段滤波的网络模型 适用于多频段脑电信号分析 查看论文 EEG Conformer 基于Transformer架构 擅长捕捉长时依赖关系 查看论文 FACT-Net 专注周期性特征提取 高效的脑电信号处理算法 查看论文查看源码...
轻量级深度学习模型 专为脑电信号分类设计 查看论文 FBCNet 多频段滤波的网络模型 适用于多频段脑电信号分析 查看论文 EEG Conformer 基于Transformer架构 擅长捕捉长时依赖关系 查看论文 FACT-Net 专注周期性特征提取 高效的脑电信号处理算法 查看论文查看源码...
通过求解EEG信号的模糊熵来表征信号的复杂度,输出结果对应脑电通道数的数据向量,可以结合脑电地形图的程序,画脑电信号地形图,直观看出脑电某些区域的复杂度