ThinkNet：紧凑运动想象EEG解码框架
热点事件观察中
ThinkNet：紧凑运动想象EEG解码框架
1 篇报道1 个报道来源1 天前更新
先了解这件事
AI 综述
Abdul Basit、Saim Rehman 与 Muhammad Shafique 发表论文提出 ThinkNet，一个用于跨被试运动想象 EEG 解码的验证控制框架，结合仅训练集归一化、验证引导的进化搜索与验证门控推理，以筛选紧凑解码器和推理策略。 在 BCI Competition IV-2a 四分类任务中，验证选出的紧凑解码器以 4.9K 参数、19 KB FP32 权重实现 44.35±15.41% 准确率，在 Orin CUDA 上单批推理耗时 0.99 ms。
AI 根据报道生成 · 1 天前更新
最新进展10月12日 12:00
ThinkNet：面向高效运动想象 EEG 分类的进化深度集成框架报道时间线
沿着报道，了解事件的不同侧面。
10月12日
- arXiv cs.AIThinkNet：面向高效运动想象 EEG 分类的进化深度集成框架
ThinkNet 是一个验证控制的框架，结合仅训练集归一化、验证引导的进化搜索与验证门控推理，用于跨被试运动想象 EEG 解码。在 BCI Competition IV-2a 四分类任务中，验证选出的紧凑解码器以 4.9K 参数、19 KB FP32 权重实现 44.35±15.41% 准确率和 0.99 ms 的 Orin CUDA 单批推理。
本事件热度走势
- 可比范围当前
- 4
- 可比范围峰值
- 1010月12日 13:00
- 近 24 小时变化
- -51%
02.557.510
18:0010月13日06:0012:00
趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。