Channel Drop Out: A Simple Way to Prevent CNN from Overfitting in Motor Imagery Based BCI
7Citations signalées, ce qui n’est pas une note de qualité
1Institutions déclarées
1Pays d’affiliation déclarés
Rattachement africain : cn. Niveau de preuve : code pays fourni par la source.
Résumé indisponible. Les résultats de l’étude ne doivent pas être déduits de son seul titre.
Le contrôle bibliographique ouvert
DOI retrouvé dans Crossref DOI retrouvé ; titre concordant.
- Titre Crossref
- Channel Drop Out: A Simple Way to Prevent CNN from Overfitting in Motor Imagery Based BCI
- Date Crossref
- 01/01/2021
- Éditeur
- Springer Nature Singapore
- Type
- book-chapter
Ce recoupement confirme des métadonnées liées au DOI. Il ne confirme ni la méthode ni les conclusions de l’étude, et il ne compte pas comme une seconde source scientifique indépendante.
Où se fait cette recherche
-
Xi'an University of Technology pays non établi dans la noticeUniversité ou école supérieure
-
School of Computer Science and Engineering Shaanxi Key Laboratory for Network Computing and Security Technology pays non établi dans la noticeUniversité ou école supérieure
-
Shaanxi Province Institute of Water Resources and Electric Power Investigation and Design pays non établi dans la noticeStructure de recherche
Xi'an University of Technology, Shaanxi Key Laboratory for Network Computing and Security Technology — School of Computer Science and Engineering et Shaanxi Province Institute of Water Resources and Electric Power Investigation and Design.
Une affiliation ne permet pas de déduire la nationalité d’un auteur.
Les sujets associés
EEG and Brain-Computer InterfacesAdvanced Memory and Neural ComputingNeuroscience and Neural Engineering