论文提出了一种新的浅-深注意力网络（SDANet）用于EEG信号分类。通过注意力相关模块（ACM）发现听觉语音与EEG信号的关系，并使用浅-深相似性分类模块（SDSCM）进行分类。多种训练策略和数据增强提高了模型的鲁棒性。实验结果表明，在Auditory EEG challenge数据集上，SDANet优于基线模型。