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
原文中文，约300字，阅读约需1分钟。发表于：。脑机接口技术（BCI）利用脑电图（EEG）信号实现人脑与计算机之间的通信，本研究介绍了一种专门用于细微运动意象分类的网络，称为 FingerNet，通过从 EEG 信号中提取时空特征，能够在同一只手内提高分类准确性，实验结果显示 FingerNet 在识别五个手指敲击任务方面表现出优异的性能。
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%。
