一项新近发表在arXiv上的研究评估了EEGNet在利用fNIRS信号进行认知负荷分类方面的有效性。该研究系统地考察了包括时间分割、窗口长度、特征提取方法和学习率在内的各种参数。结果表明，尽管在随机分割实验中，重叠分割和固定学习率取得了高准确率，但在受试者独立评估中性能显著下降，凸显了泛化方面的挑战。 AI
排序理由 该集群包含一篇发表在arXiv上的学术论文，详细介绍了特定机器学习模型在特定应用中的比较研究。[lever_c_demoted from research: ic=1 ai=1.0]
- analysis of variance
- arXiv
- FastICA
- Fast Independent Component Analysis Algorithm for Quaternion Valued Signals
- fNIRS
- Mehshan Ahmed Khan
- principal component analysis
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →