A Strong and Simple Deep Learning Baseline for BCI MI Decoding

要約

我々は、BCI での Motor Imagery デコード用の単純な 1D 畳み込みニューラル ネットワークである EEG-SimpleConv を提案します。
私たちの主な動機は、文献からの非常に標準的な成分のみを使用して、比較するためのシンプルでパフォーマンスの高いベースラインを提案することです。
シミュレーションされたオンライン設定を含む 4 つの EEG Motor Imagery データセットでそのパフォーマンスを評価し、最近の深層学習および機械学習のアプローチと比較します。
EEG-SimpleConv は、他のアプローチと少なくとも同等かそれよりはるかに効率的であり、短い推論時間と引き換えに、被験者間での強力な知識伝達機能を示します。
私たちは、その場限りのソリューションを使用するのではなく、既製の材料を使用することが、BCI への深層学習アプローチの導入に大きく役立つと主張します。
モデルと実験のコードにアクセスできるようにします。

要約(オリジナル)

We propose EEG-SimpleConv, a straightforward 1D convolutional neural network for Motor Imagery decoding in BCI. Our main motivation is to propose a simple and performing baseline to compare to, using only very standard ingredients from the literature. We evaluate its performance on four EEG Motor Imagery datasets, including simulated online setups, and compare it to recent Deep Learning and Machine Learning approaches. EEG-SimpleConv is at least as good or far more efficient than other approaches, showing strong knowledge-transfer capabilities across subjects, at the cost of a low inference time. We advocate that using off-the-shelf ingredients rather than coming with ad-hoc solutions can significantly help the adoption of Deep Learning approaches for BCI. We make the code of the models and the experiments accessible.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google