运动想象 (MI) 分类学习系列 (19) : EEG-TransNet
运动想象分类学习系列:基于注意力的卷积神经网络，采用多模态时间信息融合，用于运动意象脑电图解码
- 0. 引言
- 1. 主要贡献
- 2. 方法
-
- 2.1 特征提取方法
- 2.2 数据增强方法
- 3. 结果
-
- 3.1 解码结果
- 3.2 消融实验
- 4. 讨论
- 5. 总结
- 欢迎来稿
论文地址：https://www.sciencedirect.com/science/article/abs/pii/S0010482524005882
论文题目：Attention-based convolutional neural network with multi-modal temporal information fusion for motor imagery EEG decoding
论文代码：https://cwres.ncu.edu.cn/s/com/github/G.https/Ma-Xinzhi/EEG-TransNet
今天介绍一篇有意思的文章，这篇文章提供了一个全新视角（多尺度时间信息），同时作者也是一贯地开源了代码。
为什么有意思：本质是多尺度的时间信息加注意力机制。
对比模型：EEGNet、FBCNet、Deep ConvNet、EEG-Conformer。
值得关注的点：通过数据增强获取多尺度的时间信息，这种思路值得参考。