MixNet：经典与现代方法结合促进运动意象脑电分类的综合流程

本研究针对运动意象脑电图（EEG）分类中常见的跨个体模式识别困难进行探索，提出了MixNet框架，以利用运动意象数据的频谱-空间信号，并结合多任务学习架构MIN2Net进行分类。实验结果显示，MixNet在各类数据集上均超越了现有最先进算法，尤其在低密度EEG分类方面，为轻量便携的脑电穿戴设备在物联网应用中提供了有希望的前景。