mne计算CSP

news/2024/5/19 17:59:03 标签: CSP, 共空间模式, eeg, 脑机接口, 运动想象

# get CSP feature
from mne.decoding import CSP
csp = CSP(n_components=10, reg=None, log=True, norm_trace=True)
csp_train = csp.fit_transform(train_data, train_label)

'''
其中  train_data 的格式为[trial,channel,time]；train_label的为[trial,]
'''

详情可以参考mne官网文档

http://www.niftyadmin.cn/n/770324.html

pip 配置下载源

pip官方镜像源官方： https://pypi.python.org/simple 国内镜像源清华：https://pypi.tuna.tsinghua.edu.cn/simple 阿里云：http://mirrors.aliyun.com/pypi/simple/ 中国科技大学 https://pypi.mirrors.ustc.edu.cn/simple/ 华中理工大…

Nan 数据的检测与处理

print(is exist nan: , end) print(np.isnan(x).any())# 查找位置 nan_inx np.where(np.isnan(x)) print(nan_inx)# 替换 x[np.isnan(x)]0.00001print(is exist nan: , end) print(np.isnan(x).any())

EEG数据预处理的一些坑，模型loss=nan的原因与解决方法

在使用深度学习模型对数据进行分类时，出现lossnan的现象。原因：数据中有接近0的坏数据或者Nan 例如： 解决方法：去掉就好 nan的检测与去除可以参考此处。

CSP学习资料与精简总结

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…

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…

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…

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。

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…

mne计算CSP

相关文章