FingerNet：基于深度神经网络的手指敲击任务下细致运动想象的脑电解码

BriefGPT - AI 论文速递 ·

本文提出了级联和并行卷积循环神经网络，用于学习 EEG 数据流的组合时空表示。实验证明该方法在准确性方面具有高达98.3%的优势，相对于基线方法和大多数最新的深度学习EEG识别模型，准确率提升18%。

EEG 数据流准确性深度学习EEG识别模型神经网络级联和并行卷积循环神经网络组合时空表示

原文中文，约300字，阅读约需1分钟。