Deep Learning With Convolutional Neural Networks for EEG Decoding and Visualization
概述
此笔记主要对模型部分进行描述。
因为CNN可以端到端地解决问题,因此考虑将其用到EEG的处理中,因为EEG信号与图片信号有所不同,因此直接使用原始的CNN是不合适的。文章对此展开了研究,并提出了三种面向EEG的CNN模型,其中第三种为前两种的混合,不作记录。
Deep CNN
在普通的CNN前加入了一个block,包括两个卷积层和一个平均池化层。
其中第一个卷积层的作用是模拟带通滤波,将数据进行分离多种特征。第二层则是起到一个空间滤波的作用。
Shallow CNN
同上,但结构上略有不同。
与FBCSP的联系
原文中提到: Concretely, the first two layers of the shallow ConvNet perform a temporal convolution and a spatial filter, as in the deep ConvNet. These steps are analogous to the bandpass and CSP spatial filter steps in FBCSP.