基于通道注意力的 MLP-Mixer 网络用于脑电运动想象解码
机器学习
2021-10-22 v1 人工智能
摘要
卷积神经网络（CNNs）及其变体已成功应用于基于脑电图（EEG）的运动想象（MI）解码任务。然而，这些基于 CNN 的算法在感知 EEG 信号的全局时间依赖性方面通常存在局限，且忽略了不同 EEG 通道对分类任务的多样化贡献。为解决这些问题，本文提出一种基于通道注意力的 MLP-Mixer 网络（CAMLP-Net）用于基于 EEG 的 MI 解码。具体而言，该网络采用基于 MLP 的架构来捕获时间与空间信息。注意力机制进一步嵌入 MLP-Mixer 中以自适应地挖掘不同 EEG 通道的重要性。因此，所提出的 CAMLP-Net 能够有效学习更全局的时空信息。在新构建的 MI-2 数据集上的实验结果表明，所提 CAMLP-Net 优于所有对比算法，取得了更优的分类性能。
引用
@article{arxiv.2110.10939,
title = {A channel attention based MLP-Mixer network for motor imagery decoding with EEG},
author = {Yanbin He and Zhiyang Lu and Jun Wang and Jun Shi},
journal= {arXiv preprint arXiv:2110.10939},
year = {2021}
}