神经网络
文章平均质量分 88
Alex_ching
github:https://github.com/danzhewuju
展开
-
基于少样本学习EEG/SEEG数据癫痫预警和脑电识别
立体脑电数据包含了大脑癫痫电信号,具有高信噪比,高采样率,可以进行病灶定位等特点。因此对立体脑电进行数据分析和数据挖掘具有很大的医学研究价值。但是目前基于立体脑电信号数据挖掘工作还较少,尤其是基于深度学习等方法的工作。立体脑电采集成本较高,受试者较少,所以需要大量训练数据的传统的神经网络分类模型并不能很好解决立体脑电分类任务。同时,立体脑电数据的电极位置不固定,头皮脑电的数据预处理方法不适用于立体脑电数据。因此从立体脑电数据出发,如何进行的数据预处理,利用立体脑电多信道信息,构建出泛化能力较好的深度学习网络原创 2021-07-20 10:30:11 · 1537 阅读 · 3 评论 -
基于对抗学习(域适应)的脑电信号SEEG/EEG分类算法
很久没有更新博客了,手头上有一些工作,发论文不是很顺利,但是还是想通过博客的方式分享处理。对抗学习(Adversarial Learning)的思想最早可以追溯到博弈论里面优化问题。GAN(Generative Adversarial Networks)网络是一种典型的基于对抗学习的神经网络。GAN的基本原理其实非常简单,这里以生成图片为例进行说明。假设我们有两个网络,G(Generator)和D(Discriminator)。G是一个生成图片的网络,它接收一个随机的噪声z,通过这个噪声生成图片,记做G(原创 2021-05-21 20:36:24 · 1990 阅读 · 10 评论 -
基于CNN的SEEG/EEG脑电数据处理分析
自从AlexNet 神经网络问世以来,Convolutional Neural Network(CNN)是深度学习领域璀璨的明星之一。特别是Computer Vision(CV)领域。基本上CV领域的大多数的任务都是基于CNN神经网络。 当然最近又兴起了GCN。 但是从数学上讲GCN是CNN的一种推广。这个暂时不进行详细的讨论。事实上不仅仅在处理图片这种数据需要用到CNN神经网络。更一般的来说涉及...原创 2019-10-16 00:57:14 · 11648 阅读 · 10 评论 -
利用LSTM对脑电波信号进行分类
最近我们在做利用LSTM网络对脑电波信号(纺锤体)进行分类的相关工作。我们的数据集是来自于美国开源的睡眠数据集(national sleep research resource)https://sleepdata.org 我们获得数据包含 纺锤波的持续时间,振幅,时间,等几个特征。我们采集的样本主要来自于正常人和病人。我们初步的思想是将纺锤波视为一个事件...原创 2018-11-25 21:58:59 · 14473 阅读 · 22 评论 -
利用RNN神经网络自动生成唐诗宋词
RNN(Recurrent Neural Networks)在处理长序列有很强的优势,加上近来前向反馈算法的成功,导致RNN在长文本上得到了很好的应用。 简单来说RNN神经网络能够记住长序列中的某种特征,因此可以很好处理时序信息,RNN可以处理多种时序信息,其中应用最广泛的是在文本上的处理,包含了文本情感分析,文本的自动生成。对于英文的诗歌的自动生成国外做的...原创 2018-12-18 16:41:11 · 7041 阅读 · 3 评论