第一肯定是搭建环境了
安装包,源码,数据集准备好。
在运行之前,先把环境平台搭好了,版本要对应。安装有问题也可以找我。软件安装包在这里,我用的版本在后面其他的自己搞:
链接:https://pan.baidu.com/s/1yaHdYBEXUsc7EUXBla3qPw
提取码:8vk1
安装包:
源码:
数据集
1、编辑器
支持python的编辑器很多了,好多人经常使用pycharm,但激活困难,还有很多了。
我自己喜欢vscode,重要是免费,简洁。
2、Python版本
这个会有点坑,虽然python版本很高了,目前3.9.6了,然而机器学习相关的库可没更新那么快,我建议不要用那么新,我用的是3.7.9版本。
3、库管理器
基本两个anacode和默认的pip,我用默认的pip就够了。
机器学习python库的话,我也不多废话了,每个库什么用,百度或者用到了,你就知道了
列一些基本的机器学习用到的库吧,后面带版本的,一定要一致,按指定版本安装
我列出了我的版本,都是pip安装
Microsoft Windows [版本 10.0.19044.2728]
(c) Microsoft Corporation。保留所有权利。
C:\Users\liubin>pip list
Package Version
---------------------------- -------------------
absl-py 1.0.0
aiofiles 23.1.0
aiohttp 3.8.4
aiosignal 1.3.1
albumentations 1.3.0
altair 4.2.2
anyio 3.6.2
appdirs 1.4.4
argon2-cffi 21.3.0
argon2-cffi-bindings 21.2.0
astunparse 1.6.3
async-timeout 4.0.2
asynctest 0.13.0
attrs 21.4.0
backcall 0.2.0
beautifulsoup4 4.10.0
bleach 4.1.0
Braindecode 0.6
bs4 0.0.1
cached-property 1.5.2
cachetools 5.0.0
certifi 2021.10.8
cffi 1.15.0
charset-normalizer 2.0.10
click 8.1.3
colorama 0.4.4
coverage 5.3
cssselect 1.2.0
cycler 0.11.0
datasets 2.10.1
debugpy 1.5.1
decorator 5.1.1
defusedxml 0.7.1
dill 0.3.6
einops 0.6.0
entmax 1.1
entrypoints 0.4
fastapi 0.95.0
ffmpy 0.3.0
filelock 3.10.0
flatbuffers 2.0
fonttools 4.28.3
frozenlist 1.3.3
fsspec 2023.1.0
future 0.18.2
gast 0.5.3
gdown 4.6.4
gevent 21.12.0
google-auth 2.6.2
google-auth-oauthlib 0.4.6
google-pasta 0.2.0
gradio 3.22.1
greenlet 1.1.2
grpcio 1.44.0
h11 0.14.0
h5py 3.6.0
httpcore 0.16.3
httpx 0.23.3
huggingface-hub 0.13.2
idna 3.3
imageio 2.26.0
importlib-metadata 4.11.2
importlib-resources 5.4.0
ipykernel 6.9.1
ipython 7.32.0
ipython-genutils 0.2.0
ipywidgets 7.6.5
jedi 0.18.1
Jinja2 3.0.3
joblib 1.1.0
jsonschema 4.4.0
jupyter 1.0.0
jupyter-client 7.1.2
jupyter-console 6.4.3
jupyter-core 4.9.2
jupyterlab-pygments 0.1.2
jupyterlab-widgets 1.0.2
keras 2.8.0
Keras-Preprocessing 1.1.2
kiwisolver 1.3.2
latex2mathml 3.75.1
libclang 13.0.0
linkify-it-py 2.0.0
lxml 4.7.1
Markdown 3.3.6
markdown-it-py 2.2.0
MarkupSafe 2.1.0
matplotlib 3.5.1
matplotlib-inline 0.1.3
mdit-py-plugins 0.3.3
mdtex2html 1.2.0
mdurl 0.1.2
mistune 0.8.4
mne 0.24.1
multidict 6.0.4
multiprocess 0.70.14
munch 2.5.0
nbclient 0.5.12
nbconvert 6.4.2
nbformat 5.1.3
nest-asyncio 1.5.4
networkx 2.6.3
nltk 3.8.1
nose 1.3.7
notebook 6.4.8
numpy 1.21.5+mkl
oauthlib 3.2.0
opencv-python-headless 4.7.0.72
opt-einsum 3.3.0
orjson 3.8.7
packaging 21.3
pandas 1.3.5
pandocfilters 1.5.0
parsel 1.6.0
parso 0.8.3
pickleshare 0.7.5
Pillow 9.4.0
pip 23.0.1
pix2tex 0.0.29
pooch 1.6.0
pprint 0.1
prometheus-client 0.13.1
prompt-toolkit 3.0.28
protobuf 3.19.4
pyarrow 11.0.0
pyasn1 0.4.8
pyasn1-modules 0.2.8
pycparser 2.21
pydantic 1.10.6
pydub 0.25.1
pyeeg 0.4.4
Pygments 2.11.2
pynput 1.7.6
pyparsing 3.0.6
PyQt5 5.15.9
PyQt5-Qt5 5.15.2
PyQt5-sip 12.11.1
PyQtWebEngine 5.15.6
PyQtWebEngine-Qt5 5.15.2
pyrsistent 0.18.1
PySocks 1.7.1
python-dateutil 2.8.2
python-multipart 0.0.6
python-whois 0.7.3
pytz 2021.3
PyWavelets 1.3.0
pywin32 303
pywinpty 2.0.5
PyYAML 6.0
pyzmq 22.3.0
qtconsole 5.2.2
QtPy 2.0.1
qudida 0.0.4
regex 2022.10.31
requests 2.27.1
requests-oauthlib 1.3.1
responses 0.18.0
rfc3986 1.5.0
rsa 4.8
scikit-image 0.19.3
scikit-learn 1.0.2
scipy 1.7.3
screeninfo 0.8.1
seaborn 0.11.2
selenium 3.141.0
Send2Trash 1.8.0
setuptools 47.1.0
six 1.16.0
sklearn 0.0
skorch 0.11.0
sniffio 1.3.0
soupsieve 2.3.1
starlette 0.26.1
tabulate 0.8.9
tensorboard 2.8.0
tensorboard-data-server 0.6.1
tensorboard-plugin-wit 1.8.1
tensorflow 2.8.0
tensorflow-io-gcs-filesystem 0.24.0
termcolor 1.1.0
terminado 0.13.3
testpath 0.6.0
tf-estimator-nightly 2.8.0.dev2021122109
threadpoolctl 3.1.0
tifffile 2021.11.2
timm 0.5.4
tokenizers 0.12.1
toolz 0.12.0
torch 1.13.1
torchvision 0.14.1
tornado 6.1
tqdm 4.63.0
traitlets 5.1.1
transformers 4.27.1
typing_extensions 4.5.0
uc-micro-py 1.0.1
urllib3 1.26.8
uvicorn 0.21.1
w3lib 2.0.1
wad 0.4.6
wcwidth 0.2.5
webencodings 0.5.1
websocket 0.2.1
websocket-client 1.3.1
websockets 10.4
Werkzeug 2.0.3
wheel 0.37.0
widgetsnbextension 3.5.2
wrapt 1.14.0
x-transformers 0.15.0
xxhash 3.2.0
yarl 1.8.2
zipp 3.7.0
zope.event 4.5.0
zope.interface 5.4.0
C:\Users\liubin>
今天找到和运行一篇论文和源码,感兴趣欢迎交流
论文主要讲:
最近对脑计算机接口(BCI)的研究,可以解码大脑EEG信号,有助于有效的机器人控制,这导致了脑机器人接口(BRI)的出现。该项目专注于用户行动/认知想法的准确分类,成功解码脑电信号可以在BRI应用中提供更高的自由度控制。来自用户头皮的EEG信号通过非侵入式电极记录,并预先处理以产生无噪音的EEG信号。时间-频率分析技术被用来从EEG信号中提取特征。在这项工作中,人工神经网络(ANN)机器学习算法被用作分类器来学习脑电信号的特征,以实现有效的输出分类。这项工作对系统的准确性进行了性能分析,建议结合时间-频率分析和ANN算法分别进行脑电图特征提取和分类。
数据集:BCI运动数据集
算法:ANN
准确率:84%
我的数据集
我的源码
运行过程: