MIN2Net: End-to-End Multi-Task Learning for Subject-Independent Motor Imagery EEG Classification

Advances in the motor imagery (MI)-based brain-computer interfaces (BCIs) allow control of several applications by decoding neurophysiological phenomena, which are usually recorded by electroencephalography (EEG) using a non-invasive technique. Despite great advances in MI-based BCI, EEG rhythms are...

Celý popis

Podrobná bibliografie

Vydáno v:	arXiv.org
Hlavní autoři:	Autthasan, Phairot, Chaisaen, Rattanaphon, Sudhawiyangkul, Thapanun, Rangpong, Phurin, Kiatthaveephong, Suktipol, Dilokthanakul, Nat, Bhakdisongkhram, Gun, Phan, Huy, Guan, Cuntai, Wilaiprasitporn, Theerawit
Médium:	Paper
Jazyk:	angličtina
Vydáno:	Ithaca Cornell University Library, arXiv.org 07.01.2022
Témata:	Classification Electroencephalography Human-computer interface Image classification Learning Representations
ISSN:	2331-8422
On-line přístup:	Získat plný text
Tagy:	Přidat tag Žádné tagy, Buďte první, kdo vytvoří štítek k tomuto záznamu!