La conectividad funcional (FC) es un candidato potencial que puede aumentar el rendimiento de las interfaces cerebro-computadora (BCIs) en las personas mayores debido a su papel compensatorio en los circuitos neuronales. Sin embargo, es difícil decodificar la FC con las técnicas actuales de aprendizaje automático debido a la falta de comprensión fisiológica. Para investigar la idoneidad de la FC en las BCIs para las personas mayores, proponemos la decodificación de la FC de orden inferior y superior utilizando una red neuronal convolucional (CNN) en seis tareas cognitivo-motoras. El método de propagación de relevancia por capas (LRP) describe cómo los cambios relacionados con la edad en las FCs impactan en las aplicaciones de BCI para las personas mayores en comparación con adultos más jóvenes. Un total de 17 adultos jóvenes y 12 adultos mayores fueron reclutados para realizar tareas relacionadas con el control de la fuerza manual con o sin cálculo mental. La CNN arrojó una precisión de clasificación de seis clases del 75.3% en los adultos mayores, superando el 70.7% de precisión para los adultos más jóvenes. En los adultos mayores, el método propuesto aumentó la precisión de clasificación en un 88.3% en comparación con el patrón espacial común de banco de filtros. Los resultados de LRP revelaron que tanto las FC de orden inferior como superior se sobreactivaron predominantemente en el lóbulo prefrontal, dependiendo del tipo de tarea. Estos hallazgos sugieren una aplicación prometedora de la FC de múltiples órdenes con aprendizaje profundo en sistemas BCI para las personas mayores.