EEG-Transformer: Self-attention from Transformer Architecture for Decoding EEG of Imagined Speech

Transformers are groundbreaking architectures that have changed a flow of deep learning, and many high-performance models are developing based on transformer architectures. Transformers implemented only with attention with encoder-decoder structure following seq2seq without using RNN, but had better...

Celý popis

Podrobná bibliografie

Vydáno v:	The ... International Winter Conference on Brain-Computer Interface s. 1 - 4
Hlavní autoři:	Lee, Young-Eun, Lee, Seo-Hyun
Médium:	Konferenční příspěvek
Jazyk:	angličtina
Vydáno:	IEEE 21.02.2022
Témata:	attention module brain-computer interface Communication systems Deep learning Electroencephalography Hardware imagined speech Speech recognition Statistical analysis transformer Transformers
ISSN:	2572-7672
On-line přístup:	Získat plný text
Tagy:	Přidat tag Žádné tagy, Buďte první, kdo vytvoří štítek k tomuto záznamu!