EEGNet由一个普通卷积,一个Depthwise Convolution和一个深度可分离卷积组成。
1. 普通卷积
2. Depthwise Convolution---逐通道的卷积层操作
这种卷积方式的缺点就是,在各个通道上没有进行信息交互。
3.separable convolution(深度可分离卷积)
由2. Depthwise Convolution(2次)和Pointwise Convolution(1次)(逐点的卷积层操作)组成
4.在分类块中,特征被直接传递到具有N个单元的softmax分类,N是数据中的类的数量。我们省略了在softmax分类层之前使用密集层进行特征聚合,以减少模型中自由参数的数量。