运动想象分类学习系列:基于滑动窗口的通用空间模式
- 0. 引言
- 1. 主要贡献
- 2. 提出的方法
- 2.1 LMDA-Net架构
- 2.2 通道注意力
- 2.3 深度注意力
- 3. 结果
- 3.1 实验结果
- 3.2 消融实验
- 4. 总结
- 欢迎来稿
论文地址:https://www.sciencedirect.com/science/article/pii/S1053811923003609
论文题目:LMDA-Net:A lightweight multi-dimensional attention network for general EEG-based brain-computer interfaces and interpretability
论文代码:https://github.com/MiaoZhengQing/LMDA-Code
0. 引言
虽然基于神经网络的方法可以有效地提取特征,但它们经常会遇到数据集泛化性差、预测波动性高、模型可解释性低等问题。为了解决这些局限性,我们提出了一种新型的轻量级多维注意力网络,称为LMDA-Net。通过结合两个专门为脑电信号设计的新型注意力模块,即通道注意力模块和深度注意力模块,LMDA-Net能够有效地集成来自多个维度的特征,从而提高各种BCI任务的分类性能。
实测LMDA-Net在脑电分类上具有不错的效果!
1. 主要贡献
轻量级网络模型
和在线部署。- 源重建启发了脑电图的
通道注意力模块