- 博客(23)
- 收藏
- 关注
RSS订阅原创 EEG地形图可视化
1.导入库import mneimport pandas as pdimport numpy as npimport mathimport matplotlib.pyplot as plt2.读取坐标数据第二列为电极极坐标的角度，第三列为电极极坐标的长度ρ，数据是BCI竞赛官网下载电极通道位置文件：eloc64.txtdf = pd.read_excel('D:/研究生/数据集/SEED/通道坐标/channel.xlsx',engine='openpyxl')3.转换成直角坐标l
2021-08-12 16:04:31
2257
3
原创 cuda安装之nvidia-smi和nvcc --version版本不一致
1.之前我的Linux输入nvcc -V查看cuda版本是9.0，然而当我输入nvidia-smi时，却显现cuda版本是10.2，这是因为它有两种API，一种是runtime(运行时) API（9.0）和driver API（10.2），我们安装torch这些库时主要看runtime cuda。2.如果我们想要安装新的cuda1)去官网找到想要安装的cuda版本，指路英伟达官网https://developer.nvidia.com/cuda-11.1.0-download-archi
2021-07-01 15:37:52
5774
2
原创 Stacking原理及代码
原理Stacking简单理解就是讲几个简单的模型，一般采用将它们进行K折交叉验证输出预测结果，然后将每个模型输出的预测结果合并为新的特征训练集（第一层模型），然后用这个新的特征训练集和标签加以训练（第2层模型，一般用线性回归/分类这种简单的）。步骤：1.将训练集分成K份（K个基分类器），每个基分类器取k-1份（图中每个Model蓝色的部分）做训练，剩下的一份（图中每个model橙色的部分）做预测。然后将这k份（每个Model橙色的部分）整合起来作为训练数据。2.然后将这些新的训练数据和真实的标签一
2021-03-25 16:13:41
2294
原创 Adaboost 原理及代码
分类代码class AdaBoost: def __init__(self,n_estimators=50, learning_rate=1.0): #n_estimators=50:分类器数目 self.clf_num = n_estimators self.learning_rate = learning_rate def init_args(self,datasets,labels): self.X = datasets
2021-03-24 20:08:06
443
原创 概率导论，习题加代码实现
代码：#成功概率def U_probility(n): if n == 1: return 0.8 else: Un = U_probility(n-1)*0.8 + B_probility(n-1)*0.4 return Un#失败概率def B_probility(n): if n == 1: return 0.2 else: Bn = U_probility(n-1)*0.2 + B_p..
2021-03-21 17:20:01
146
原创 线性回归（两种方式代码实现）
方式一：最小二乘法（正规方程）公式推导其中：代码实现：1.导入库import numpy as npfrom sklearn.datasets import load_bostonboston = load_boston()x = boston.datay = boston.target2.由于我们的特征中没有1，所以需要插入1然后我们需要把1和特征放在一起X_b = np.hstack([np.ones((len(x),1)),x]3.用正规方程求解参数thet
2021-03-18 14:08:48
4368
1
原创 用于EEG数据处理的MNE安装及使用
MNE安装MNE官网：https://mne.tools/stable/auto_examples/index.html1.安装MNE-pythonconda install mne2.原始数据raw的读入和使用导入库import mneimport matplotlib.pyplot as plt#读入数据raw = mne.io.read_raw_bdf('./Part1_IAPS_SES1_EEG_fNIRS_03082006.bdf')#查看核心数据raw.info
2020-11-09 10:15:45
4444
1
原创 DataLoader多线程报错问题解决
（1）batchsize：批大小。在深度学习中，一般采用SGD训练，即每次训练在训练集中取batchsize个样本训练；（2）iteration：1个iteration等于使用batchsize个样本训练一次；（3）epoch：1个epoch等于使用训练集中的全部样本训练一次，通俗的讲epoch的值就是整个数据集被轮几次。因为window和liux的差距，所以需要将运行封装起来，如下...
2020-11-04 15:37:03
2037
转载 手把手教你EMD算法原理与Python实现
https://mp.weixin.qq.com/s?__biz=MzU5NjU4OTc4MA==&mid=2247497186&idx=1&sn=a884c4eee8ed598b78d4dfd7650be563&chksm=fe62d859c915514f803dad4c878682408dc5ccb2ea59e3277948980e416bc8e25a1866cdeb25&mpshare=1&scene=23&srcid=1025FZQiC3T3S
2020-10-28 14:13:40
1426
转载 EEGdenoiseNet: 一个适用于深度学习模型的脑电去噪的基准数据集
https://mp.weixin.qq.com/s?__biz=MzU5NjU4OTc4MA==&mid=2247497472&idx=2&sn=88a4863c3eca1fdf6e60e7e5832921f4&chksm=fe62dabbc91553adcb838505188057c77c3e392139ae001e8a15ed2101d4b20962700c073a6d&mpshare=1&scene=23&srcid=10277FtBMTA0T
2020-10-28 14:12:52
581
翻译 如何用ICA去除脑电信号中的干扰？
ICA跑完之后，可以画出每个成分的拓扑图、功率谱曲线等，我们可以依据这些信息鉴别出噪声成分，进而把这些成分去掉。下面是各个噪音成分1.眨眼眨眼引起的干扰最主要特点是：独立成分的拓扑图主要分布于前端眼部电极，如图1所示。此外，该成分的功率谱曲线没有明显的peak。2.肌电肌电的典型表现是：独立成分拓扑图主要集中在左侧/右侧颞叶处，如图2所示。此外，从功率谱曲线上可以看到，能量主要在高频，这主要是由于肌电一般是高频信号。3.通道噪声通道噪声主要是由于该通道在采集过程中与头皮接触不良引起的，其典
2020-10-20 12:17:11
1253
翻译 使用 1D 卷积和 LSTM 混合模型做 EEG 信号识别
内容包括：1. 数据集(1.1 数据集下载、1.2 数据集解释）；2. 读取数据；3. 搭建模型；4. 训练模型；5. 展示结果；6. 完整代码。1. 数据集1.1 数据集下载：https://archive.ics.uci.edu/ml/datasets/Epileptic+Seizure+Recognition打开看一下1.2 数据集解释：表头为 X* 的是电信号数据，共有 11500 行，每行有 178 个数据，表示 1s 时间内截取的 178 个电信号；表头为 Y 的一列是该时间段
2020-10-20 12:11:14
834
9
原创 pytorch和tensorflow的区别
1.输入变量xpytorch (数据量，通道数，长，宽)tensorflow(数据量，长，宽，通道数)
2020-10-19 15:32:55
833
原创 Pytorch使用Tensorboard可视化网络结构
Tensorboard可视化神经网络结构@TOCPytorch使用Tensorboard可视化网络结构1.下载可视化代码git clone https://github.com/lanpa/tensorboard-pytorch.git2.安装PyTorch 0.4 +torchvision 0.23.安装Tensorflow和Tensorboard：pip install tensorflowpip install tensorboard==1.7.04.安装可视化工具：pip in
2020-10-19 15:14:58
1441
1
翻译 使用FNIR进行驾驶任务期间的嗜睡检测
统计特征：信号峰值 、信号平均值( 0~7s的时间窗内计算)，这些特征被正则化到0-1使用基于移动平均收敛发散（MACD）的算法识别飞行员的瞬时精神状态（不在任务上与在任务上）使用基于支持向量机的分类器来区分任务难度（低与高工作状态）分类器：SVM LDA受试者：五名健康人，右利手，无精神疾病，平均年龄：30.8±2.9参与者在实验开始前至少10小时不睡觉；例如，受试者夜间不睡觉，...
2019-07-11 11:29:57
326
转载 基于EEG的驾驶持续性注意水平PSO-SVM识别模型总结
数据集：年龄在 25 ~ 30 岁、有 5 年以上驾龄的 20名长途货运驾驶员为研究样本,在大型客运车驾驶模拟器上进行实验. 实验场景为一条双向 4 车道道路,车道宽 3. 75 m,全长 200 km,背景车流仅为增加实验真实度,不干扰被试驾驶操作. 要求被试驾驶车辆按 70 ± 5 km / h 的速度行驶,驾驶过程中在被试前方 5 个位置,以随机时间间隔((14 ± 1. 5) s)呈现红...
2019-07-09 11:17:24
985
1
翻译 基于近红外光谱的超扫描技术揭示了在面对面交流的协同Jenga游戏中的脑内神经同步
这是一篇阅读（NIRS-Based Hyperscanning Reveals Inter-brain Neural Synchronization uring Cooperative Jenga Game with Face-to-Face Communication）的相关笔记三种合作：完全合作、平行游戏和妨碍性互动(最不利于合作的）。实验：18名健康志愿者（年龄21.1±1.7岁）...
2019-07-07 16:57:59
590
原创 python简单的人脸识别系统（PCA+逻辑回归）
python简单的人脸识别系统（PCA+逻辑回归）数据集：ORL人脸库特征提取：PCA降维，将112*92降成30分类器：逻辑回归**代码：from tkinter import *from tkinter.tix import Tk,Control,ComboBox#升级的控件组包from tkinter.messagebox import showinfo,showwarnin...
2019-01-24 21:24:33
8630
5
转载 SCI论文的构思与常用结构
SCI论文的构思与常用结构三方面：1、构思要围绕主题展开：若要使论文写得条理清晰、脉络分明，必须要使全文有一条贯穿线，这就是论文的主题。主题是一篇学术论文的精髓，它是体现作者的学术观点学术见解的。因此，作者在写论文前，要围绕主体展开构思。2、构思论文布局，要力求结构完整统一:在对一篇论文构思时，有时按时间顺序编写，有时按地域位置(空间)顺序编写，但更多的还是按逻辑关系编写，即要求符合客观事物...
2018-10-09 16:09:37
429
原创 神经网络模块搭建（代码详解）
模块搭建前向传播（forward()）：搭建网络，设计网络结构 def forward(x,regularizer): w= b= y= return y#正则化权重 def get_weight(shape,regularizer): w=tf.Variable(...
2018-07-29 10:16:24
1546
原创 神经网络优化之滑动平均（tensorflow）
滑动平均滑动平均相当于一个影子值(像是给参数加了影子，参数变化，影子随之追随），记录了每个参数一段时间内过往值的平均，增加了模型的泛化性。滑动平均不仅表现了当前值，还表现了过去一段时间内的平均值。滑动平均的计算影子 = 衰减率x影子+（1-衰减率）x参数 （影子初值=参数初值； 衰减率=min{MOVING_AVERAGE_DECY，（1+轮数）/（10+轮数）}）te...
2018-07-27 15:48:40
848
原创 神经网络优化之学习率的设置（tensorflow）
学习率learning_rate：每次参数更新的幅度学习率设置多少合适 学习率大了震荡不收敛，学习率小了收敛速度慢。 可以通过指数衰减学习率解决 其中LEARNING_RATE_STEP一般由（总样本数/每次列入的数据个数）得到 在tensorflow中的代码： global_step = tf.Variable(0,trainable=False)#记录当前共运行了多少轮，...
2018-07-26 18:09:40
4395
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