baseline2-EEGNet

EEGNet

*模型出处：EEGNet: A Compact Convolutional Network for EEG-based Brain-Computer Interfaces 2018

模型结构

数据集

对比实验

baseline：DeepConvNet, ShallowConvNet

超参

• batch_size: not mentioned
• learning_rate: not mentioned
• epochs: 500
• dropout: 0.5forCS / 0.25forSI
• batch_normalization: True

结果

在被试独立和被试交叉的情况下，四种范式上均有提升。

Highlights

• 出发点: 想要提出一种适合各种BCI范式的通用的网络，并且希望这个通用网络十分紧凑（参数数量少）。
• 亮点1：将深度卷积和可分离卷积运用到脑电数据上
  (1)可分离卷积在这里是指将完整的卷积运算分解为深度卷积+逐点卷积 (2)逐点卷积的作用：学习如何将特征图做优化的结合
• 亮点2：对被试交叉和被试独立的数据划分情况都做了相应的讨论

我实现的DeepConv网络架构部分代码