EEG Densenet

EEG-DenseNet是一种结合了电生理信号分析（Electroencephalography, EEG）特性和深度学习架构DenseNet的技术。它主要用于处理脑电信号数据，如事件相关的电位（ERP）或功能性磁共振成像（fMRI）中的时间序列数据。DenseNet的特点是包含密集连接块，这使得信息在网络中能够更高效地流动，减少了特征图之间的跳跃传播，有助于训练更深的模型。

在 EEG-DenseNet 中，通常会将原始的 EEG 信号作为输入，经过预处理（如滤波、标准化等），然后通过一系列密集卷积层对这些信号进行特征提取和时空特征的学习。网络结构可以捕捉到信号中的复杂模式，并且由于其递归性质，能够有效地利用每一层的特征，提高了模型的性能。