Motor-intent decoding from synthetic EEG data using denoising diffusion probabilistic models

2025-10-26

0

PRE

AI

DOI：10.1016/j.eswa.2025.130134

原文求助

摘要

En 中文

• 扩散模型生成的运动想象EEG数据优于VAE和GAN。 • 扩散模型在对比学习的正样本对增强方面表现优于其他方法。 • 合成数据增强有助于解码器降低分类误差。 • 由基础分类器组成的集成模型在EEG解码方面优于当前最优水平。