Spatio-Temporal Explanation of 3D-EEGNet for Motor Imagery EEG Classification Using Permutation and Saliency

• Huvudskapare: Donghyun Park (Författare, medförfattare), Hoonseok Park (Författare, medförfattare), Sangyeon Kim (Författare, medförfattare), Sanghyun Choo (Författare, medförfattare), Sangwon Lee (Författare, medförfattare), Chang S. Nam (Författare, medförfattare), Jae-Yoon Jung (Författare, medförfattare)
• Materialtyp: Bok
• Publicerad: IEEE, 2023-01-01T00:00:00Z.
• Ämnen: article
• Länkar: Connect to this object online.

Recently, convolutional neural network (CNN)-based classification models have shown good performance for motor imagery (MI) brain-computer interfaces (BCI) using electroencephalogram (EEG) in end-to-end learning. Although a few explainable artificial intelligence (XAI) techniques have been developed...