本科毕业设计：基于CNN与Transformer的运动想象脑电信号分类，侧重于局部时空特征提取

简介：
本研究旨在通过结合卷积神经网络(CNN)和变压器架构，优化运动想象任务中脑电波信号的分类准确性，特别关注局部时空特性提取，以期提升模型性能。 本科毕业设计项目：基于Transformer的运动想象脑电信号分类 该项目采用CNN+Transformer框架进行研究，其中CNN用于提取局部的时间空间特征，而Transformer则负责捕捉全局依赖关系。创新点在于加入了Grad-CAM技术对脑电地形图进行了可视化处理。 【项目介绍】 本资源包含个人毕设项目的源代码，所有上传的代码均经过测试并成功运行，请放心下载使用！在答辩评审中获得了平均96分的好成绩。 1. 所有的源码均已通过实际测试，在确保功能正常的情况下才进行上传。请各位用户安心下载和使用。 2. 本项目适用于计算机相关专业的在校学生、老师或者企业员工学习，同样适合初学者进阶学习，也可以作为毕业设计、课程设计或作业的参考素材。 3. 如果您有一定的编程基础的话，可以在此基础上对代码进行修改以实现其他功能。这既可用于个人毕设项目的开发, 也可用于课堂实验和初期项目演示等。 下载后请务必先查看README.md文件（如果有），仅供学习及研究使用，请勿将其应用于商业用途。