记忆 / GitHub

anuraj1996/Multiclass-classification-of-visual-stimuli-on-EEG-signals-from-single-channel-SSVEP-based-brain-com

Brain-computer interfaces (BCIs) provide humans a new communication channel by encoding and decoding brain activities. To achieve possible solution for problem we first analyze the SSVEP BCI based dataset with the help of Machine learning algorithms for best accuracy to build a good Multiclass classification model and to develop applications

github_anuraj1996_multiclass_classification_of_visual_stimuli_on_eeg_signals_from_singlEEGunknown2 labels0 benchmarks

数据资产概览

受试者—

通道—

采样率—

任务encoding

许可unknown

可用性open

INTELLIGENCE COVERAGE

数据理解覆盖度

11.2

区分已验证事实、可推断线索与未知信息；覆盖度不是信号质量结论。

核心元数据未知0/5 个核心字段已知

原始信号未知暂无结构化证据

事件标记未知暂无结构化证据

行为标签可推断2 个 Agent 推断标签，需人工核验

受试者规模未知暂无结构化证据

论文关联可推断目录含论文元数据但尚未建立 Repository 关联

Benchmark未知暂无结构化证据

跨受试者未知暂无结构化证据

采集设备未知暂无结构化证据

优先补全动作

验证原始信号文件可访问性
解析并验证事件标记
人工核验行为标签
建立 Dataset–Paper 关联

知识图谱邻域

TASKMemory

PAPER暂无关联

ALGORITHMLDARFSVM

APPLICATIONCognitive neuroscience research

Benchmark 证据

“主任务”直接对应数据集分类；“衍生任务”与“代理 / 探索性”复用同一数据集构造，不应视为原始研究任务。