{“状态”：“确定”，“消息类型”：“工作”，“信息版本”：“1.0.0”，“邮件”：{“索引”：{“日期-部件”：[[2024,9,15]]，“日期-时间”：“2024-09-15T06:32:12Z”，“时间戳”：1726381932121}，“参考-计数”：44，“出版商”：“计算机协会（ACM）”，“问题”：“5”，“资助者”：[{“DOI”：“10.13039\/501100001809”，“名称”：“中国国家自然科学基金”，“doi-asserted-by”：“crossref”，“award”：[“61972384”]，“id”：[{“id”:“10.13039\/501100001809”，“id type”：“doi”，“asserted by”：“crosref”}]}，{“name”：“中国科学技术协会优秀中外青年交流项目，中央高校基本科研业务费”，“奖项”：[“2412019FZ047”]}，{“名称”：“RBWH IP-MAL项目”，“奖项“：[”46969“]}}]}，{“name”：“UQ、RBWH和UTS，以及ARC项目”，“奖项”：[“DE200101610”]}]，“content-domain”：{“domain”:[“dl.acm.org”]，“crossmark-restriction”：true}，“short-container-title”：[“acm Trans.Knowl.Discov.Data”]，”published-print“：{”date-parts“：[2021,10,31]}，”abstract“：”脑\u2013计算机接口（BCI）控制技术利用运动图像来执行所需动作，而不是手动操作，将在智能环境中广泛使用。然而，大多数研究缺乏对多通道EEG序列的鲁棒特征表示，导致意图识别精度较低。本文提出了一种基于EEG2图像的去噪ConvNets（称为EID）来增强意图识别任务的特征表示。具体来说，我们执行信号分解、切片和图像映射，以减少不相关频带的噪声。然后，构造去噪ConvNets结构，在不精确裁剪新训练图像的情况下学习图像对象的颜色空间和空间变化。为了进一步利用颜色层和空间变换层，分别增强和扩大了图像对象的颜色空间和彩色区域。在多分类场景中，在公开可用的EEG数据集上进行的大量实验证实，所提出的方法比最先进的方法具有更好的性能<\/jats:p>“，”DOI“：”10.1145\/3450449“，”type“：”journal-article“，”created“：{”date-parts“：[2021,5,30]]，”date-time“：”2021-05-30T01:59:11Z“，”timestamp“：1622339951000}，”page“：title“：[“探索智能环境中的BCI控制”]，”前缀“：”10.1145“，“卷”：“15”，“作者”：[{“给定”：“林”，“家庭”：“岳”，“序列”：“第一”，“隶属关系”：[}“名称”：“东北师范大学，长春，吉林，中国”}]}，{“给出”：“郝”，”家庭“：”沈“，”序列“：“附加”，“附属关系”：[{“姓名”：“中国吉林，长春，东北师范大学sequence“：”additional“，”affiliation“：[{“name”：“The University of Queensland，Brisbane，QLD，Australia”}]}，{“given”：“Robert”，“family”：“Boots”，“sequence”：“additional”，“affiliance”：[{'name“：”Royal BrisbaneWomen\u2019s Hospital，Brismane，昆士兰布里斯班，QLD”}]{，{given“：”Guodong“，”family“：”Long“，”sequence：“additive”，“filiation”：[}“name澳大利亚新南威尔士州悉尼理工大学“}]}，{“given”：“Weitong”，“family”：“Chen”，“sequence”：“additional”，“affiliation”：[{“name”：“The University of Queensland，Brisbane，QLD，Australia”}]}，}“giving”：“Xiaowi”，“家庭”：“Zhao”，“sequence”:“additionable”，“feliation”:[{”name“东北师范大学，长春，吉林”}]，“成员“：”320“，”published-online“：{“date-parts”：[[2021,5,29]]}，“reference”：[{“key”：“e_1_1_1,1”，“doi-asserted-by”：“publisher”，“doi”：“10.1109\/APEMC.2015.7175377”}，{“密钥”：“e_2_1_2_2_1”，”doi-assert-by“：”publisher“，”doi“：”10.1016\/0167-8396（84）90029-3“}，”{“key“：”e_2_1_ 3_1“，“首页”：“193”，“文章标题”：“EEG鼠标：基于机器学习的脑-机接口”，“音量”：“5”，“作者”：“Alomari Mohammad H.”，“年份”：“2014年”，“非结构化”：“Mohammad-H.Alomari，Ayman AbuBaker，Aiman Turani，Ali M.Baniyounes，and Adnan-Manasreh。2014 . EEG鼠标：基于机器学习的脑-机接口。国际期刊高级计算。科学。应用5，4（2014），193\u2013 198。穆罕默德·阿洛马里（Mohammad H.Alomari）、艾曼·阿布贝克（Ayman AbuBaker）、艾曼·图拉尼（Aiman Turani）、阿里·巴尼尤恩斯（Ali M.Baniyounes）和阿德南·马纳斯雷（Adnan Manasreh）。2014.EEG鼠标：基于机器学习的脑-机接口。国际期刊高级计算。科学。应用5，4（2014），193\u2013198.“，“期刊标题”：“国际期刊高级计算。科学。Appl“}，{”key“：”e_1_2_1_4_1“，”unstructured“：”Pouya Bashivan Irina Rish Mohammed Yeasin and Noel Codella.2015。利用深度递归卷积神经网络从EEG学习表征。arXiv:https:\\/\/schiller.google.com.hk\\/schiller？集群=4319242413507858773&hl=zh-CN&as_sdt=0 5。Pouya Bashivan Irina Rish Mohammed酵母素和Noel Codella。2015.使用深度递归卷积神经网络从EEG学习表征。arXiv:https:\/\/solar.google.com.hk\/solar？cluster=4319242413507858773&hl=zh-CN&as_sdt=0 5.“}，{”key“：”e_1_2_1_5_1“，”首页“：”19“，”article-title“：”使用脑-计算机接口控制的手外骨骼进行康复期间的臂运动功能恢复：一名严重脑损伤患者“，”volume“：“42”，“author”：“Biryukova e.V.”，“year”：“2016”，“unstructured”：“e.V。Biryukova、O.G.Pavlova、M.E.Kurganskaya、P.D.Bobrov、L.G.Turbina、A.A.Frolov、V.I.Davydov、A.V.Sil\u2019tchenko和O.A.Mokienko。2016 . 使用脑机接口控制的手外骨骼在康复过程中恢复手臂运动功能：一名严重脑损伤的患者。Fiziologiia Cheloveka第42页，第1页（2016年），第19页，2013年30月。E.V.Biryukova、O.G.Pavlova、M.E.Kurganskaya、P.D.Bobrov、L.G.Turbina、A.A.Frolov、V.I.Davydov、A.V.Sil\u2019tchenko和O.A.Mokienko。2016年。使用脑-计算机接口控制的手外骨骼进行康复期间的手臂运动功能恢复：一名严重脑损伤患者。Fiziologiia Cheloveka 42，1（2016），19\u201330.“，”journal-title“：”Fiziologia-Cheloveka“}，{“key”：“e_1_1_6_1”，“doi-asserted-by”：“publisher”，”doi“：“10.1109\/TNSRE.2020.3023417”}，“key“：1_8_1“，“卷首”：“盛”，“作者”：“陈维通”，“年份”：“2019年”，“非结构化”：“陈伟彤、林岳、李伯翰、王灿和泉Z。盛。2019 . DAMTRNN：一种基于delta注意的多任务RNN，用于意图识别。在高级数据挖掘和应用国际会议上。施普林格，373\u2013388。陈伟彤、林岳、李伯翰、王灿和盛泉。2019.DAMTRNN：一种基于delta注意的多任务RNN，用于意图识别。在高级数据挖掘和应用国际会议上。Springer，373\u2013388.“}，{”key“：”e_1_2_1_9_1“，”doi-asserted-by“：”publisher“，“doi”：“10.1145\/3371153”}，“key”：“e_1_i_1_10_1”，“doi-assert-by”：“publisher”，”doi“：”10.23919\/MESUREMENTION.2017.983581“}”，{“，”卷“：”4“，”作者”：“Folane N.”，“年份”：“2016”，“非结构化”：“N.Folane和R.Autee。2016 . 基于脑电图的大脑控制轮椅，适用于身体有障碍的人。《国际计算机与通信工程创新研究杂志》4，1（2016），134\u2013 137。N.Folane和R.Autee。2016年，基于脑电图的残疾人脑控轮椅。《国际计算机与通信工程创新研究杂志》4，1（2016），134\u2013137.“，”Journal-title“：”International Journal of Innovative Research in Computer and Communication Engineering“}，{”key“：”e_1_1_12_1“，”doi-asserted-by“：”publisher“，“doi”：“10.14311\/NNW.2017.006”}，“key”：“e_2_1_13_1”，“doi-assert-by”：“”publisher“，”DOI“：”10.1109\/TPAMI.2015.2389824“}，{“key”：“e_1_2_1_14_1”，“unstructured”：“Jaderberg Max and Simonyan Karen and Kavukcuoglu and Andrew Zisserman Koray.2015。空间变压器网络。神经信息处理系统进展。2017年\u20132025年。Jaderberg Max、Simonyan Karen、Kavukcuoglu和Andrew Zisserman Koray。2015年，空间变压器网络。神经信息处理系统进展。2017\u20132025.“}，{”key“：”e_1_2_1_15_1“，”doi-asserted-by“：”publisher“，“doi”：“10.1145\/3309541”}，}“key”：“e_1_i_16_1”，“doi-assert-by”：“publisher”，”doi“：”10.1109\/JBHI.2018.2832538“}”，{“}，{”key“：”e_1_2_1_18_1“，”doi-asserted-by“：”publisher“，“doi”：“10.1109\/TNNLS.2020.3015505“}，{“key”：“e_1_2_1_19_1”，“volume-title”：“克莱夫·C·图克、达尼洛·曼迪奇和乔尔索·帕克。”，“作者”：“金永国”，“年份”：“2016年”，“非结构化”：“金永国、柳智宇、金高坤、克莱夫·C.图克、丹尼洛·P。Mandic和Cheolsoo Park，2016年。利用脑电mu和beta节律和基于强不相关变换的复杂公共空间模式进行运动图像分类。2016年《计算智能与神经科学》，第1489692条（2016年），1-11。Youngjoo Kim、Jiwoo Ryu、Ko Keun Kim、Clive C.Took、Danilo P.Mandic和Cheolsoo Park，2016年。运动图像分类使用脑电的μ和β节律以及基于复杂公共空间模式的强不相关变换。计算智能与神经科学2016，第1489692条（2016），1--11.“}，{”key“：”e_1_1_20_1“，”doi-asserted-by“：”publisher“，“doi”：“10.1007\/978-3-030-35231-8”}，“key”：“e_2_1_21_1”，“doi-assert-by”：“publisher”，”doi“：”10.1016\/j.cmpb.2010.11.014“}”，{，“doi”：“10.1088\/1741-2552\/aab2f2”}，{“key“：”e_1_2_1_23_1“，”volume-title“：”Conrad“，”author“：”Major Tyler C.“，”year“：”2017“，”unstructured“：”Tyler C.Major and James M。康拉德。2017 . 预滤波和个性化成分对脑电图神经网络分类的影响。2017年东南Con。IEEE，2013年1月。Tyler C.Major和James M.Conrad。2017.预过滤和个性化成分对脑电图神经网络分类的影响。2017年东南Con。IEEE，1\u20136.“}，{”key“：”e_1_2_1_24_1“，”doi-asserted-by“：”crossref“，“unstructured”：“D.Mishkin N.Sergievskiy和J.Matas.2016。对美国有线电视新闻网在ImageNet上的进展进行系统评估。[J] ●●●●。计算机视觉和图像理解（2017）161:11--19。D.Mishkin N.Sergievskiy和J.Matas。2016年，对美国有线电视新闻网在ImageNet上的进展进行了系统评估。[J] ●●●●。计算机视觉与图像理解（2017）161:11--19.“，”DOI“：”10.1016\/j.cviu.2017.05.007“}，{“key”：“e_1_1_25_1”，“DOI-asserted-by”：“publisher”，”DOI:“10.3758\/s13415-016-0476-6”}，“key“：”e_1_i_1_26_1“，”DOI-assert-by“：”publisher“，_1“，”卷标题“：”2016年第一届体育、健康和福利技术与创新国际会议（TISHW\u201916）”，“作者”：“Pinheiro Oberan R.”，“非结构化”：“Oberan R Pinheiro.，Lynn R.G.Alves，M.F.M.Romero，and Josemar R。德索萨。2016年，训练严重残疾人士的轮椅模拟游戏。2016年第一届体育、健康和福利技术与创新国际会议（TISHW\u201916）。IEEE，2013年1月。Oberdan R.Pinheiro、Lynn R.G.Alves、M.F.M.Romero和Josemar R.de Souza。2016年，训练严重残疾人士的轮椅模拟游戏。2016年第一届体育、健康和福利技术与创新国际会议（TISHW\u201916）。IEEE，1\u20138.“｝，｛“key”：“e_1_2_1_28_1”，“doi由”：“publisher”断言，“doi”：“10.1109\/CEICT.2016.7873081”｝，｛“key”：“e_1_2_1_29_1”，“doi由”：“publisher”断言，“doi”：“10.1088\/1741-2560\/2\/4\/L02”｝，｛“key”：“e_1_2_1_30_1”，“doi由”：“publisher”断言，“doi”：“10.1109\/IICICS.205.7459 836“｝，｛”键“：”e_1_2_1_31_1“，”卷标题“：”2013年国际控制通信与计算会议（ICCC\u201913）”，“作者”：“Sita J.”，“非结构化”：“J.Sita和G.J.Nair。2013.脑电信号的特征提取和分类，用于绘制大脑运动区域。2013年国际控制通信与计算大会（ICCC\u201913）。IEEE，463\u2013468。J.Sita和G.J.Nair。2013.脑电信号的特征提取和分类，用于绘制大脑运动区域。2013年控制通信与计算国际会议（ICCC\u201913）。IEEE，463\u2013468.“}，{”key“：”e_1_1_32_1“，”doi-asserted-by“：”publisher“，“doi”：“10.1007\/978-3-319-21969-1_17”}，“key”：“e_1_i_1_33_1”，“doi-assert-by”：“publisher”，”doi“：”10.1088\/1741-2560\/14\/01603“}”，{“key“:”e_2_1_34_1“”，“首页”：“3”，“文章标题”：“艾伦·r·格拉斯演讲：非凡的脑电图”，“音量”：“54”，“作者”：“Tatum William O”，“年份”：“2014年”，“非结构化”：“William O.Tatum。2014 . 艾伦·r·格拉斯演讲：非凡的脑电图。《神经诊断杂志》54，1（2014），3\u2013 21。威廉·塔特姆（William O.Tatum）。2014年，艾伦·r·格拉斯演讲：非凡的脑电图。《神经诊断杂志》54，1（2014），3\u201321.“，”期刊标题：“神经诊断杂志”}，{“key”：“e_1_2_1_35_1”，“doi断言者”：“publisher”，“doi”：“10.3389\/neuro.01.015.2009”}，{“key”：“e_1_2_36_1”，“doi断言者”：“publisher”，“doi”：“10.1109\/TKDE.2016.2605687”}，{“key”：“e_1_2_1_37_1”，“doi断言者”：“publisher”，“doi”：“10.1038\/s41587-019-0397-3“}，{“key”：“e_1_2_1_38_1”，“volume-title”：“AAAI人工智能会议论文集”，“卷”：“32”，“作者”：“张大林”，“年份”：“2017”，“非结构化”：“张大林、姚丽娜、张翔、王森、陈伟彤和罗伯特·布茨。2017 . 通过级联和并行卷积递归神经网络从时空表示中进行基于Eeg的意图识别。《AAAI人工智能会议论文集》第32卷第1期。张大林、姚丽娜、张翔、王森、陈伟彤和罗伯特·布茨。2017.通过级联和并行卷积递归神经网络从时空表示中进行基于Eeg的意图识别。在《美国人工智能学会人工智能会议论文集》第32卷第1期“}，{“key”：“e_1_1_39_1”，“doi-asserted-by”：“publisher”，”doi“：“10.1371\/journal.pone.0074433”}，“{”key“：”e_1_i_1_40_1“，”doi-assert-by“：”publisher“，“内政部”：“10.1109 \/PERCOM.2018.844475“}，{“key”：“e_1_2_1_42_1”，“volume-title”：“基于深度学习的脑机接口的调查：最新进展和新前沿。arXiv预印本arXiv:1905.04149”，“author”：“Zhang Xiang”，“year”：“2019”，“unstructured”：“Xiang Zhang，Lina Yao，Xianzhi Wang，Jessica Monaghan，David Mcalpine，and Yu Zhang。2019。基于深度学习的脑-机接口调查：最新进展和新前沿。arXiv预印arXiv:1905.04149（2019）。张翔、姚丽娜、王贤治、杰西卡·莫纳根、大卫·麦卡普尔和张瑜。2019.基于深度学习的脑机接口调查：最新进展和新前沿。arXiv预印arXiv:1905.04149（2019）。“}，{”key“：”e_1_1_43_1“，”doi-asserted-by“：”publisher“，“doi”：“10.1016\/j.patcog.2012.07.018”}，}，“key”：“e_1_i_1_44_1”，“doi-assert-by”：“publisher”，”doi“：”10.1109\/TIP.2014.2332764“}]，”container-title“：[”ACM Transactions on Knowledge Discovery from Data“]，”original title“：[]，”language“：”en“，”link“：[{“URL”：“https:\/\/dl.acm.org\/doi\/pdf\/10.1145\/3450449“，”content-type“：”unspecified“，”content-version“：”vor“，”intended-application“：”similarity-checking“}]，”deposed“：{”date-parts“：[2023,1,1]]，”date-time“：“2023-01-01T23:34:33Z”，“timestamp”：1672616073000}，“score”：1，“resource”：{“primary”：“{”URL“：”https:\\/dl.acm.org\/doi\/10.1145\/3450449“}}”副标题“：[“通过EEG表征增强学习进行意图识别”]，“短标题”：[]，“已发布”：{“日期-部分”：[[2021,5,29]]}，“引用-计数”：44，“日志-发布”：}“问题”：“5”，“发布-部分”:{“数据-部分”:[[2021,10,31]]}}，”alternative-id“：[”10.1145\/3450449“]，“URL”：“http://dx.doi.org\/10.1145\/345044”，“关系”“：{}，”ISSN“：[”1556-4681“，”1556-472X“]，”issn-type“：[{”value“：”1556-4682“，”type“:”print“}，{”value“：”2556-472X“，”类型“：”electronic“}]，”subject“：[]，”published“：{”date-parts“：[2021,5,29]]}，”assertion“：[[{“value”：“2020-04-01”，”order“：0，”name“：”received“，”label“：”received“，“group”：{“name”：“publication_history“，”label“：”publication history“}}，{”value“：”2021-01-01“，”order“：1，”name“：”accepted“，”label“：”accepted”，“group”：{“name”：“publication_history”，“label”：“publication history”}}，{“value”：“2021-05-29”，“order”：2，“name”:“published”，“标签”：“published”，“group”：{name“publication_ahistory“，”标签：“Puplication history”}}]}}