论文阅读: 【综述】Deep temporal networks for EEG-based motor imagery recognition

已于 2024-03-07 14:52:39 修改
阅读量81 收藏
点赞数
文章标签： 论文阅读
于 2023-11-13 16:49:32 首次发布
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/weixin_43326625/article/details/134378800
版权

论文阅读: Deep temporal networks for EEG-based motor imagery recognition

期刊：Nature
主题：MI-EEG-Transformer

背景

  1. (信号分解+机器学习)在（多类大数据）集表现不佳
  2. LSTM无法对非常长期的依赖关系建模
  3. NLP变压网络解决长期依赖性问题

目的

构建deep temporal network(Transformer)，改善MI-EEG解码能力。

方法

Transformer

阅读问题：

1、Transformer机制
2、LSTM机制
3、传统信号处理算法

  • 独立成分分析ICA(复习)
  • 多尺度主成分分析MSPCA（学习）
  • 回归或盲源分离BSS（学习）
  • 短时傅里叶变换STFT（复习）
  • 小波分解WD（复习）
  • k最近邻（kNN）（复习）
  • 朴素贝叶斯（NB）（复习）
  • 决策树（DT）（复习）
    4、常见深度学习
  • CNN
  • EMD
JACHJJ
关注
  • 0
    点赞
  • 踩
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
Bi-Branch Vision Transformer Network for EEG Emotion Recognition论文翻译
sxn0121的博客
06-20 476
ABSTRACT Electroencephalogram (EEG) signals have emerged as an important tool for emotion research due to their objective reflection of real emotional states. Deep learning-based EEG emotion classification algorithms have made encouraging progress, but exi
计算机视觉论文-2021-07-09
中科院AI算法工程师的博客
07-09 1002
本专栏是计算机视觉方向论文收集积累，时间：2021年7月9日，来源：paper digest 欢迎关注原创公众号【计算机视觉联盟】，回复【西瓜书手推笔记】可获取我的机器学习纯手推笔记！ 直达笔记地址：机器学习手推笔记（GitHub地址） 1, TITLE:Crowd Counting Via Perspective-Guided Fractional-Dilation Convolution AUTHORS: Zhaoyi Yan ; Ruimao Zhang ; Hongzhi Zh...
AAAI2020论文列表（中英对照）
dovings的博客
07-04 5686
AAAI2020论文列表（中英对照）
AAAI2021论文列表（中英对照）
dovings的博客
07-04 7786
AAAI2021论文列表（中英对照）
CVPR2019论文汇总
qq_42635561的博客
09-23 3229
CVPR2019论文汇总 论文题目与链接 Finding Task-Relevant Features for Few-Shot Learning by Category Traversal Edge-Labeling Graph Neural Network for Few-Shot Learning Generating Classification Weights With GNN Deno...
【2020GAN】对抗生成网络论文收录（1月-6月）
VictorFuture的博客
07-30 3477
【2020GAN】对抗生成网络论文收录（1月-6月）202001202002202003202004202005202006 202001 001 (2020-01-29) Simulation of electron-proton scattering events by a Feature-Augmented and Transformed Generative Adversarial Network (FAT-GAN) 基于特征增强和转换生成对抗网络(FAT-GAN)的电子质子散射事件模拟 htt
民用计算机视觉的应用领域,刘京
weixin_39614834的博客
06-25 273
个人基本情况姓名：刘京职称/职务：副教授/副书记E-mail: liujing@hebtu.edu.cn硕导/博导：硕士研究生导师所属学科: 计算机科学与技术招收硕士生专业：计算机科学与技术(学术型)、网络空间安全(学术型)、电子信息(专业型)研究方向：主要围绕脑机接口、类脑智能、深度学习、真三维显示、计算机视觉、边缘计算、医学影像智能分析等民用与军事应用领域的相关工作展开研究。个人简介：(学历学...
最新！2022年1月80篇GAN/对抗论文汇总
idol24的博客
02-15 2278
戳我，查看GAN的系列专辑~！一顿午饭外卖，成为CV视觉的前沿弄潮儿！001 (2022-02-10) Graph-GAN A spatial-temporal neural net...
【AI视野·今日CV 计算机视觉论文速览 第200期】Tue, 18 May 2021
TomRen
05-18 4257
AI视野·今日CV 计算机视觉论文速览
Graph CNNs with Motif and Variable Temporal Block for Skeleton-based Action
02-07
Graph CNNs with Motif and Variable Temporal Block for Skeleton-based Action
PersonReID-TSF:AAAI 2020 论文代码 Rethinking Temporal Fusion for Video-based Person Re-identification on Semantic and Time Aspect
05-29
如果您发现此代码对您的研究有用，请考虑引用： @article{jiang2020rethinking, title={Rethinking Temporal Fusion for Video-based Person Re-identification on Semantic and Time Aspect}, author={Xinyang ...
Deep Spiking Neural Network for Video-Based Disguise Face Recognition
02-23
Abstract— With the increasing popularity of social media and smart devices, the ...algorithms, video-based face recognition methods could make use of both temporal and spatial information just as hum
Temporal-based Multi-Strokes Sketchy Graphics Recognition
02-23
基于时序的多笔划草图识别，尹建锋，孙正兴，本文提出乐一个基于手绘草图过程时序信息的多笔划草图识别方法。该方法的主要思想是基于时序的笔划分割和基于时序的用户建模。前
Spatio-Temporal-Graph-Convolutional-Networks-A-Deep-Learning-Framework-for-Traffic-Forecasting:推介会
05-02
时空图卷积网络对交通预测的深入学习框架参考 抽象的时空图卷积网络解决交通领域中的时间序列预测问题完整的卷积结构。介绍线性回归在短期预测而非长期预测上表现良好这是一种数据驱动且使用时空信息的方法。...
【论文阅读】Rank-DETR(NIPS‘23)
Yann的博客
05-21 349
Rank-DETR for High Quality Object Detection(NIPS'23)
论文阅读》通过混合潜在变量实现多样化、相关和连贯的开放领域对话生成 AAAI 2023
MyHeartWillGoOn
05-20 150
亲身阅读感受分享，细节画图解释，再也不用担心看不懂论文啦~无抄袭，无复制，纯手工敲击键盘~今天为大家带来的是《Towards Diverse, Relevant and Coherent Open-Domain Dialogue Generation via Hybrid Latent Variables》出版：AAAI时间：2023类型：开放域对话生成特点：多样性；一致性；混合隐变量；回复生成作者：Bin Sun。
【论文阅读】xLSTM: Extended Long Short-Term Memory
最新发布
kanon的博客
05-21 808
论文提出了xLSTM，一种扩展的长短期记忆网络，旨在解决传统LSTM的局限性，并在大规模参数下进行语言建模。xLSTM引入了指数门控和适当的归一化与稳定技术，修改了LSTM记忆结构，包括标量记忆的sLSTM和完全可并行化的具有矩阵记忆和协方差更新规则的mLSTM。通过将这些LSTM变体集成到残差块中，构建了xLSTM架构，这些架构在性能和扩展性方面与最先进的Transformers和状态空间模型相媲美。
论文阅读笔记：Task-Customized Mixture of Adapters for General Image Fusion
HollowKnight的博客
05-20 1029
论文阅读笔记：Task-Customized Mixture of Adapters for General Image Fusion
transformer选股代码
03-31
Transformer选股代码是一种基于Transformer模型的股票选股策略。Transformer模型是一种强大的神经网络模型，广泛应用于自然语言处理领域，但也可以用于股票选股。下面是一个简单的Transformer选股代码示例： ```python import torch import torch.nn as nn import torch.optim as optim # 定义Transformer模型 class Transformer(nn.Module): def __init__(self, input_dim, hidden_dim, output_dim): super(Transformer, self).__init__() self.fc1 = nn.Linear(input_dim, hidden_dim) self.fc2 = nn.Linear(hidden_dim, output_dim) self.relu = nn.ReLU() self.softmax = nn.Softmax(dim=1) def forward(self, x): x = self.fc1(x) x = self.relu(x) x = self.fc2(x) x = self.softmax(x) return x # 定义选股函数 def stock_selection(data): # 数据预处理 # ... # 构建输入特征 # ... # 加载模型 model = Transformer(input_dim, hidden_dim, output_dim) model.load_state_dict(torch.load('model.pth')) # 进行选股预测 with torch.no_grad(): output = model(input_features) # 解析预测结果 # ... return selected_stocks # 使用选股函数进行选股 data = ... selected_stocks = stock_selection(data) print(selected_stocks) ``` 以上代码是一个简单的示例，实际使用时需要根据具体的数据和需求进行适当的修改和扩展。同时，还需要注意数据预处理、特征工程、模型训练等环节的实现。

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值