运动想象分类学习系列:2D CNN-LSTM
论文地址:https://www.sciencedirect.com/science/article/abs/pii/S1746809423000605
论文题目:A 2D CNN-LSTM hybrid algorithm using time series segments of EEG data for motor imagery classification
论文代码:无
0. 引言
由于分类算法精度和稳定性差,MI系统在实践中仍然具有挑战性。因此,我们提出了一种二维卷积神经网络长短期记忆(2D CNN-LSTM) 混合算法来对MI任务中的脑电进行分类。我们将脑电信号转换为时间序列段,然后通过二维CNN提取每个段中不同脑电通道之间的连接特征,最后将特征向量发送到LSTM网络进行训练。
1. 主要贡献
- 本文提出的二维CNN-LSTM算法旨在
预测二进制MI-EEG信号
,因此该算法经过专门设计,可以有效地提取MI-EEG信号的时间和通道连接特征。 - 我们选择了
合适的时间窗口大小
来分割原始脑电信号,这有助于更好地提取特征。采用时间分布式方法对脑电信号的时间序列进行维护,有利于LSTM网络的MI时间特征提取。 - 在不同的数据集上,将2D CNN-LSTM与其他分类算法的分类结果
进行了比较