Las Interfaces Cerebro-Computadora (BCI) basadas en el movimiento dependen significativamente de la identificación automática de la intención de movimiento. También permiten que los pacientes con trastornos motores se comuniquen con dispositivos externos. La extracción y selección de características discriminativas, que a menudo aumenta la complejidad computacional, es uno de los problemas con las intenciones de movimiento descubiertas automáticamente. Esta investigación introduce un método novedoso para categorizar automáticamente situaciones de intención de movimiento de dos clases y tres clases utilizando datos de EEG. En la técnica sugerida, la entrada de EEG cruda se aplica directamente a una red neuronal convolucional (CNN) sin extracción o selección de características. Según investigaciones previas, este es un enfoque complejo. Se incluyen diez capas convolucionales en el diseño de red sugerido, seguidas de dos capas totalmente conectadas. El enfoque sugerido podría ser utilizado en aplicaciones de BCI debido a su alta precisión.