| DFFN[30] | CSP | CNN | 考虑相邻层和跨层特征之间的相关性，减少卷积运算过程中的信息丢失 |
| HC-CNN[31] | 相同标签样本进行分割后交换重组，然后按照频率带划分，同一频率带的不同片段进行交换重组 | CNN | 对不同频率带的脑电信号设计不同的卷积核尺度，利用一维卷积核在时间和空间维度进行卷积操作 |
| PSO-CNN[32] | 滤波后的信号输入到CSP滤波器，同时计算不同频率带的PSD，引入粒子群优化算法进行特征优化 | CNN | 只有1层卷积层，紧跟着2层全连接层 |
| CNN-LSTM[33] | FBCSP | CNN+LSTM | 混合网络提取多模态特征 |
| DWT-CNN[34] | 滑动窗口进行数据增强，计算最优频率带的PSD | CNN | 结构与VGGNet相似，3 × 3卷积核分解为4 × 1或者2 × 1 |
| SS-MEMDBF[35] | 多元经验模式分解(MEMD) | 黎曼几何 | − |
| RBM-SVM[36] | 分别提取时-频-空域特征，利用参数t分布随机邻居嵌入进行参数降维 | SVM | − |
| ETRCNN[37] | 脑电图地形表征能量 | CNN | 网络能够从结合了时频特征和脑功能连通性的输入特征中学习到多模态信息 |
| C2CM[38] | FBCSP | CNN | 分别在时间和空间维度进行卷积，但须针对不同的对象更改参数 |
| 3D-CNN[39] | 根据电极的3D分布将脑电信号映射为2D图像表示 | CNN | 构造3路不同卷积核尺寸的卷积网络，最后将3路网络获取的特征融合 |
| FBCSP[40] | FBCSP | SVM | − |