模型
EEG Conformer（脑电Conformer）
一种结合卷积神经网络与Transformer的EEG分类模型，能同时捕捉局部和全局特征，提升解码性能。
详细解释
EEG Conformer由Song等人于2022年提出，针对EEG信号的特点，先用卷积模块提取局部时空特征，再通过Transformer的自注意力机制建模长程依赖。该模型在多个运动想象和情感识别数据集上超越了纯CNN或RNN方法，且参数量适中，为EEG解码提供了新思路。
别名与相关写法
eeg conformer
一种结合卷积神经网络与Transformer的EEG分类模型，能同时捕捉局部和全局特征，提升解码性能。
EEG Conformer由Song等人于2022年提出，针对EEG信号的特点，先用卷积模块提取局部时空特征，再通过Transformer的自注意力机制建模长程依赖。该模型在多个运动想象和情感识别数据集上超越了纯CNN或RNN方法，且参数量适中，为EEG解码提供了新思路。