Nov, 2023
应用降维作为 LSTM-CNN 模型的先导用于基于 ECoG 的脑机接口中图像和运动信号的分类
Applying Dimensionality Reduction as Precursor to LSTM-CNN Models for Classifying Imagery and Motor Signals in ECoG-Based BCIs
Soham Bafana
TL;DR通过优化脑机接口（BCI）中的运动想象分类算法，利用无监督的降维技术 UMAP 和 KNN 评估了使用监督学习方法 LSTM 和 CNN 进行分类任务的必要性，实验结果表明 UMAP 降维后具有高 KNN 分数的参与者同样在监督深度学习模型上取得了高准确率，说明降维技术是有效的预处理步骤，减少对大量标记数据和监督深度学习技术的需求，对于运动障碍的定向治疗和解决脑机接口领域中的监管、安全和可靠性问题具有重要意义。