论文笔记：EEGNet：A Compact Convolutional Network for EEG-based Brain-Computer Interfaces

news/2024/5/19 20:00:57 标签: EEGNet, EEG, 深度学习, 脑机接口

EEGNET.html" title=EEGNet>EEGNet：A Compact Convolutional Network for EEG-based Brain-Computer Interfaces

与DEEPCNN、shallow CNN相似（笔记），只是结构上略有不同。整个网络由三个部分组成，分别对应FBCSP中的带通滤波、CSP、特征选择。

http://www.niftyadmin.cn/n/770317.html

论文笔记----Multi-subject data augmentation for target subject semantic decoding with deep multi-view ad

所读论文：Multi-subject data augmentation for target subject semantic decoding with deep multi-view adversarial learning 基于GAN的特征迁移。阅读重点，如何cross-subject。全文核心：在使用不同被试的数据的时候，主要面临…

论文笔记----Selective Transfer Learning for EEG-Based Drowsiness Detection

对session进行评估，判断其是否适合使用迁移学习来提升性能。阅读重点，如何cross-subject。全文核心：文中提出了一种新的可被迁移性的度量指标LSG，可以衡量一组数据是否适合接受来自其他被试的数据。全文理论基于一个假设&#x…

论文笔记：Hybrid deep neural network using transfer learning for EEG motor imagery decoding

在跨被试时对特征提取层的参数进行迁移并固定，通过fine-turn训练分类层。阅读重心，如何cross-subject 全文核心 ：提了一个网络如何做到cross-subject的？ 先用其他被试的数据训练模型，然后将得到的提取器共享并固定…

scipy.signal.filtfilt 的使用方法以及参数解释

from scipy import signalb,asignal.butter(8,[(8*2/128),(32*2/128)],bandpass)buffer_x_testsignal.filtfilt(b,a,data,axis0) butter：过滤8-32Hz的信号，128为采样率，8是阶数，’basspass‘是带通滤波。 filtfilt：数…

sklearn 特征选择

select_Ksklearn.feature_selection.SelectKBest(mutual_info_classif,k10).fit(features_train,label)

网上找的 def butter_bandpass(lowcut, highcut, fs, order):nyq 0.5*fslow lowcut/nyqhigh highcut/nyqb, a signal.butter(8, [low, high], bandpass)return b, adef butter_bandpass_filter(data, lowcut, highcut, fs, order):b, a butter_bandpass(lowcut, highcut, …

numpy 按0，1数组取元素

import numpy as npa np.array([1,2,3,4,5,6,7,8,9,10]) b np.array([1,0,1,0,1,0,1,0,1,0])a a[ b 1] print(a)# output：[1 3 5 7 9]

到处抄来的写作用语

As illustrated in Fig. 1 如图1所示 exploit 利用 We propose a new model to exploit unlabeled data. facilitate 促进 degraded 退化 it is likely to have degraded performance due to the shift in domain. leverage 利用 Depiction 描述&…