BriefGPT - AI 论文速递
·
将脑电图信号映射到视觉刺激：基于深度学习的匹配与不匹配分类方法
💡
原文中文，约400字，阅读约需1分钟。
📝
内容提要
该论文提出了一种新的SDANet模型，用于对不同刺激下的EEG信号进行分类。该模型使用ACM全局发现听觉语音和EEG信号之间的关系，并使用SDSCM基于浅层和深层学习得到的嵌入来决定分类结果。同时，使用多种训练策略和数据增强来提高模型鲁棒性。实验结果表明，该模型在匹配-不匹配轨迹方面比基线模型有显著提升。
🎯
关键要点
- 提出了一种新的SDANet模型，用于EEG信号分类。
- 模型采用ACM全局发现听觉语音和EEG信号之间的关系。
- 使用SDSCM基于浅层和深层学习得到的嵌入来决定分类结果。
- 应用多种训练策略和数据增强提高模型鲁棒性。
- 实验结果显示模型在匹配-不匹配轨迹方面显著优于基线模型。
➡️
