运动想象 (MI) 分类学习系列 (16) :LMDA-Net

论文地址：https://www.sciencedirect.com/science/article/pii/S1053811923003609
论文题目：LMDA-Net:A lightweight multi-dimensional attention network for general EEG-based brain-computer interfaces and interpretability
论文代码：https://github.com/MiaoZhengQing/LMDA-Code

0. 引言

虽然基于神经网络的方法可以有效地提取特征，但它们经常会遇到数据集泛化性差、预测波动性高、模型可解释性低等问题。为了解决这些局限性，我们提出了一种新型的轻量级多维注意力网络，称为LMDA-Net。通过结合两个专门为脑电信号设计的新型注意力模块，即通道注意力模块和深度注意力模块，LMDA-Net能够有效地集成来自多个维度的特征，从而提高各种BCI任务的分类性能。

实测LMDA-Net在脑电分类上具有不错的效果！

1. 主要贡献

1. 轻量级网络模型和在线部署。
2. 源重建启发了脑电图的通道注意力模块