BCI Report 研究预览
English中文

轻量模型

Deep4Net:在公开 EEG 数据集上的结果

Deep4Net 是 Braindecode 对 Schirrmeister 等人(Human Brain Mapping,2017)提出的 deep ConvNet 的命名。它由四个卷积-最大池化模块组成,使用 ELU 激活;第一个模块拆分为沿时间的卷积和覆盖全部电极的空间滤波,最后由全连接 softmax 层输出类别。

又称 Deep4Net · Deep ConvNet · DeepConvNet · Schirrmeister et al. 2017

参考文献 Schirrmeister RT, Springenberg JT, Fiederer LDJ, Glasstetter M, Eggensperger K, Tangermann M, Hutter F, Burgard W, Ball T. Deep learning with convolutional neural networks for EEG decoding and visualization. Human Brain Mapping 38(11):5391–5420, 2017. ↗

目录状态:已评测 · 官方代码 ↗ · 简介来源 arxiv.org · pmc.ncbi.nlm.nih.gov · doi.org · github.com · github.com · github.com

已发布的结果

按数据集分组。只在组内比较:跨组时任务、队列、随机水平与电极布局都会变。

ds005342 · 核心矩阵 · 空闲与指令

连同协议阅读: 核心矩阵(首页) · experiments.json

方法条件指标数值被试
Deep4NetSeated motor imagery · cue-gated replay指令检出率 ≤3 秒3.3%4
Deep4NetSeated motor imagery · cue-gated replay空闲误触发率1.7%4

全部方法 → · 全部数据集 →