arXiv · Machine Learning· Abdul Basit, Saim Rehman, Muhammad Shafique·· 14 小时前AI 评分49
ThinkNet：面向高效运动想象 EEG 分类的进化深度集成
ThinkNet: Evolutionary Deep Ensembles for Efficient Motor-Imagery EEG Classification
AI 导读
ThinkNet提出验证控制框架，为跨被试运动想象 EEG 分类选择紧凑解码器与推理策略。在 BCI Competition IV-2a session T 的 9 个 LOSO folds 固定基准中，紧凑解码器准确率为 44.35±15.41%，参数量 4.9K，19 KB FP32 权重，Orin CUDA batch-1 推理为 0.99 ms。
来源：arXiv · Machine Learning · arxiv.org