基于单试次 EEG 的视觉刺激分类的 EEG-ConvTransformer
计算机视觉与模式识别
2021-07-09 v1
摘要
不同类别的视觉刺激会在人脑中激活不同的响应。这些信号可通过 EEG 捕获，用于脑机接口（BCI）等应用。然而，由于 EEG 信噪比低，单试次数据的准确分类具有挑战性。本文提出了一种基于多头自注意力的 EEG-ConvTransformer 网络。与其他 transformer 不同，该模型引入自注意力以捕获区域间交互，并进一步将卷积滤波器与多头注意力作为单一模块结合以学习时间模式。实验结果表明，在五个不同的视觉刺激分类任务上，EEG-ConvTransformer 相比最先进（SOTA）技术取得了更高的分类准确率。最后，对头间多样性的定量分析也显示出表征子空间中的低相似性，强调了多头注意力的隐式多样性。
引用
@article{arxiv.2107.03983,
title = {EEG-ConvTransformer for Single-Trial EEG based Visual Stimuli Classification},
author = {Subhranil Bagchi and Deepti R. Bathula},
journal= {arXiv preprint arXiv:2107.03983},
year = {2021}
}
备注
Preprint and Supplementary material. 17 pages, 13 figures and 4 tables