为加强研究生学术交流活动，推进学术创新，特开通“研究生学术报告预告区”。我校研究生和教师可以在预告区及时发布和了解有关研究生学术报告的信息，届时参加。也可就某学术报告展开专题讨论与交流。
意义：卷积神经网络（CNN）对于处理高维数据具有优势，而脑电数据本身具有复杂的时间和空间信息，所以利用深度学习的方法，利用CNN去对基于SSMVEP的脑电信号进行分类会具有优势。
报告内容：利用快速傅里叶变换计算脑电信号的功率值；将计算得到的脑电信号功率谱转换为保留空间结构的二维图像；使用构建的CNN网络结构模型提取脑电信号的空间、频域、以及时间特征，并将其分析结果与其他分类方法进行对比。结果表明，CNN方法能够将被试分类准确率得到一个很好的提高。