- 博客(7)
- 收藏
- 关注
原创 基于物理信息的注意力时间卷积网络的脑电运动图像分类
第二层是深度卷积,使用大小为(C, 1)的F2滤波器,其中C是EEG通道的数量。但是,滑动窗口会引发计算,因为它要求输入数据在DL模型中传递n次(而不是一次),其中n表示窗口的数量。但在我们的方法中,我们使用滑动窗口作为与卷积层(在卷积块中)的集成。第一层使用大小为(1,KC)的F1滤波器进行时间卷积,其中KC是时间轴上的滤波器长度。这一层的输出是F1时域特征图。注意块由一个MSA层组成,MSA由几个称为头的自我注意层(即缩放的点积注意)组成, 每个自我注意层由三个主要部分组成:查询Q、键K和值v。
2023-09-10 17:14:37 333 1
原创 EEG-TCNet
左边:Dilated Causal Conv ---> Weight(Batch)Norm--->ReLU(ELU)--->Dropout--->Dilated Causal Conv ---> Weight(Batch)Norm--->ReLU--->Dropout。是指 第i层中t时刻的数据,只依赖与(i-1)层t时刻及其以前的值的影响。简化为:(Dilated Causal Conv ---> WeightNorm--->ReLU(ELU)--->Dropout)*2。是指 允许卷积时的输入存在。
2023-09-10 17:03:21 302 1
原创 基于脑电图视觉识别的无源受试者适应(Note)
在许多情况下,由于隐私问题,获取像脑电图信号这样的个人生物数据往往是不可行的,而且存在问题,本文记录了针对这一挑战而设计的一种基于脑电图视觉识别的无源受试者适应做了一些记录
2023-08-09 16:13:08 82
原创 消除BCI文盲缺口:基于脑电的运动想象分类中的主体对主体语义风格转移(Note)
对于文献:Bridging the BCI illiteracy gap: a subject-to-subject semantic style transfer for EEG-based motor imagery classification的一些记录
2023-08-08 20:49:17 175
原创 基于主体自适应脑电图的视觉识别的主体间对比学习(Note)
本文基于文献“基于主体自适应脑电图的视觉识别的主体间对比学习”做了一些记录(文献笔记)
2023-08-08 15:33:19 152 1
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人