研究人员开发了一种新颖的运动想象分类框架,该框架采用混合脑电图(EEG)和功能近红外光谱(fNIRS)方法。该框架结合了跨主体类别混合(CSCM)和选择性注意力,以提高跨不同主体的泛化能力。CSCM通过混合来自不同主体的试验来生成合成训练数据,而选择性注意力则有效地模拟了时间信号特征并融合了两种模态。在对28名受试者的数据集进行留一受试者交叉验证的评估中,该模型达到了76.85%的平均平衡准确率和76.58%的宏平均F1分数,优于五种基线方法。 AI
影响 这项研究通过提高运动想象分类的准确性和泛化能力,推动了脑机接口能力的发展。
排序理由 该集群包含一篇详细介绍运动想象分类新方法的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]
在 Hugging Face Daily Papers 阅读 →
- brain–computer interface
- Cross-Subject Class Mixup
- electroencephalography
- fNIRS
- Hugging Face
- motor imagery
- selective attention
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →