本書針對于腦電信號非線性、幅值微弱、信噪比低等特點對解碼性能的影響，介紹了基于傳統(tǒng)機器學習、深度學習與遷移學習的數(shù)據(jù)優(yōu)化、特征融合與特征遷移算法，主要內(nèi)容包括：基于MMD和P閾值優(yōu)化的EEG通道選擇算法；基于多重加權的EEG多模態(tài)特征融合算法；基于受限玻爾茲曼基的EEG深度多模態(tài)特征學習算法；基于殘差網(wǎng)絡的EEG多模態(tài)特征動態(tài)融合算法；基于多特征混合融合網(wǎng)絡的EEG特征解碼算法。