Key points are not available for this paper at this time.
基于运动意象（MI）的脑-机接口（BCI）是一个重要的BCI范式，需要强大的分类器。深度学习技术的最新发展引发了人们对使用深度学习进行分类的显著兴趣，并产生了多个模型。找到其中性能最好的模型将有利于未来设计更好的BCI系统和分类器。然而，由于用于测试模型的数据集彼此不同，样本数量过少，或者甚至不公开，所以直接通过原始出版物比较各种模型的性能是困难的。在本研究中，我们选择了最近提出的五个MI-EEG深度分类模型：EEGNet、Shallow & Deep ConvNet、MB3D和ParaAtt，并在两个大型、公开可用的数据集上进行了测试，这些数据集中有42和62名受试者。我们的结果显示，这些模型在一个数据集上的性能相似，而EEGNet在第二个数据集上的表现最佳，并且在我们评估的参数下训练成本相对较小.
Zhu et al. (Sat,) 研究了这个问题。
Synapse has enriched 5 closely related papers on similar clinical questions. Consider them for comparative context: