CSP学习资料与精简总结

news/2024/5/19 18:56:32 标签: 机器学习, CSP, 公共空间模式, EEG

其实是一种降维方法，将原始数据投影到CSP空间中，在该投影方向上，一类信号的方差被 极大化，一类极小化。

学习资料：

运动想象中共空间模式算法（CSP）的实现_zhoudapeng01的专栏-CSDN博客_csp算法


http://www.niftyadmin.cn/n/770320.html

相关文章

论文笔记： Deep Learning With Convolutional Neural Networks for EEG Decoding and Visualization

论文笔记： Deep Learning With Convolutional Neural Networks for EEG Decoding and Visualization

Deep Learning With Convolutional Neural Networks for EEG Decoding and Visualization 概述 此笔记主要对模型部分进行描述。 因为CNN可以端到端地解决问题，因此考虑将其用到EEG的处理中，因为EEG信号与图片信号有所不同，因此直接使用原…
阅读更多...
解密Docker容器网络

解密Docker容器网络

一个Linux容器能看见的“网络栈”，被隔离在它自己的Network Namespace中。 1 “网络栈”的内容 网卡（Network Interface）回环设备（Loopback Device）路由表（Routing Table）iptables规则 对于一…
阅读更多...
论文笔记：EEGNet：A Compact Convolutional Network for EEG-based Brain-Computer Interfaces

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

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。
阅读更多...
论文笔记----Multi-subject data augmentation for target subject semantic decoding with deep multi-view ad

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…
阅读更多...
论文笔记----Selective Transfer Learning for EEG-Based Drowsiness Detection

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…
阅读更多...
论文笔记：Hybrid deep neural network using transfer learning for EEG motor imagery decoding

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…
阅读更多...
scipy.signal.filtfilt 的使用方法以及参数解释

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…
阅读更多...
sklearn 特征选择

sklearn 特征选择

select_Ksklearn.feature_selection.SelectKBest(mutual_info_classif,k10).fit(features_train,label)
阅读更多...
最新文章

Copyright @ 2022~2023