Combining detrended cross-correlation analysis with Riemannian geometry-based classification for improved brain-computer interface performance

Riemannian geometry-based classification (RGBC) gained popularity in the field of brain-computer interfaces (BCIs) lately, due to its ability to deal with non-stationarities arising in electroencephalography (EEG) data. Domain adaptation, however, is most often performed on sample covariance matrice...

Mô tả đầy đủ

Chi tiết về thư mục

Những tác giả chính:	Frigyes Samuel Racz, Satyam Kumar, Zalan Kaposzta, Hussein Alawieh, Deland Hu Liu, Ruofan Liu, Akos Czoch, Peter Mukli, José del R. Millán
Định dạng:	Artigo
Ngôn ngữ:	Inglês
Được phát hành:	Frontiers Media S.A. 2024-03-01
Loạt:	Frontiers in Neuroscience
Những chủ đề:	brain-computer interface detrended cross-correlation analysis Reimannian geometry motor imagery detrended fluctuation analysis fractal connectivity
Truy cập trực tuyến:	https://www.frontiersin.org/articles/10.3389/fnins.2024.1271831/full
Các nhãn:	Thêm thẻ Không có thẻ, Là người đầu tiên thẻ bản ghi này!