BIT可达鸭
北京理工大学计算机科学与技术专业直博,研究方向为 3D 视觉、零样本学习等,获得百度飞桨开发者技术专家、百度飞桨深度学习开发者峰会开源新星奖、小米奖学金等,个人主页:https://sharpiless.github.io/
展开
-
【CVPR 2021】最新EEG脑电信号分类模型研究:Object classification from randomized EEG trials
【CVPR 2021】最新EEG脑电信号分类模型研究:Object classification from randomized EEG trials论文地址:主要问题:主要解决的问题:数据集的收集:刺激来源:受试者和记录:刺激事件的时长:脑电信号的记录:数据预处理:分类模型选择:实验分析:问题一:问题二:问题三:结论与总结:联系作者:我的公众号:论文地址:https://arxiv.org/pdf/2004.06046.pdf主要问题:新的研究结果表明,对通过脑电图测量的由图像刺激诱发的人类大脑活原创 2021-08-05 17:45:13 · 1688 阅读 · 0 评论 -
【基于深度学习的脑电图识别】手把手教你使用 1D 卷积和 LSTM 混合模型做 EEG 信号识别
手把手教你使用 1D 卷积和 LSTM 混合模型做 EEG 信号识别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:原创 2020-03-30 17:07:36 · 5032 阅读 · 15 评论 -
【基于深度学习的脑电图识别】基于 CNN 的脑机接口:EEGNet 用于基于EEG的脑机接口的紧凑型卷积神经网络
EEGNet:用于基于EEG的脑机接口的紧凑型卷积神经网络1. 论文地址:2. 核心思想:3. 数据描述:4. EEGNet 的网络结构:Block1:Block2:预测层:5. 参数量对比:6. 实验结果:1. 论文地址:https://iopscience.iop.org/article/10.1088/1741-2552/aace8c/meta发表时间:2015年被引用量:225输...原创 2020-03-19 17:20:46 · 4127 阅读 · 0 评论 -
【基于深度学习的脑电图识别】基于卷积神经网络的脑电图解码及可视化
Deep learning with convolutional neural networks for EEG decoding and visualization1. 论文地址:2. 摘要:3. 网络结构:深层结构:Block 1:Block 2:Block3&4:Classification Layer:浅层结构:4. 数据分布:5. 实验结果:1. 论文地址:https://a...原创 2020-03-19 15:31:50 · 3759 阅读 · 1 评论 -
【深度学习语音识别】CNN-LSTM-DNN:CLDNN-卷积,长短时记忆,完全连接的深层神经网络
Convolutional, Long Short-Term Memory, fully connected Deep Neural Networks1. 论文地址:2. 摘要:3. 核心思想:1. 论文地址:Convolutional, Long Short-Term Memory, fully connected Deep Neural Networks发表年份:2015年被引量:6...原创 2020-03-16 10:42:07 · 7489 阅读 · 6 评论 -
【基于深度学习的脑电图识别】基于大数据和混合深度学习架构的 EEG 自动分析
Automatic analysis of EEGs using big data and hybrid deep learning architectures1. 摘要:2. 核心:3. 数据集:4. 网络结构:4.1 预处理:特征提取4.2 第一关:使用隐马尔可夫模型进行顺序解码4.3 第二关:基于深度学习的时空上下文分析结构:处理过程:训练:4.4 第三关:统计语言建模5. 实验参数及结果:...原创 2020-03-14 14:57:16 · 2859 阅读 · 0 评论 -
【基于深度学习的脑电图识别】脑电图信号处理:应用深度学习方法对癫痫发作进行识别和分类
EEG Signal Processing: Applying Deep Learning Methods to Identify and Classify Epilepsy Episodes1. 背景:1.1 癫痫:1.2 脑电图诊断:2. 数据库:1. 背景:1.1 癫痫:癫痫是一种慢性疾病,其特征是偏离正常的大脑电活动,导致由神经冲动放电引起的癫痫发作,目前被认为是排名第四的全球神经系...原创 2020-03-13 21:54:54 · 4213 阅读 · 11 评论 -
【基于深度学习的脑电图识别】使用TUH 提供的工具为 EDF 格式的脑电图数据进行标注并保存为.lbl文件
使用TUH提供的工具为EDF脑电图数据标注并保存为.lbl文件一、程序地址(上传到百度网盘了):二、安装python2.7:三、安装依赖库:四、程序说明:五、数据标注:六、保存标注文件:一、程序地址(上传到百度网盘了):链接:https://pan.baidu.com/s/1xti7naL1kekyRwmH7lTUsw 提取码:1b5e二、安装python2.7:下载安装包:...原创 2020-03-11 18:50:07 · 1676 阅读 · 0 评论 -
【基于深度学习的脑电图识别】应用篇:DEEP LEARNING APPROACHES FOR AUTOMATIC ANALYSIS OF EEGS
DEEP LEARNING APPROACHES FOR AUTOMATIC ANALYSIS OF EEGS摘要:数据:时序信号的时序建模:摘要:在本章中,我们将讨论各种深度学习架构在自动捕获检测中的应用,研究的体系结构包括多层感知器(MLPs)、卷积神经网络(CNNs)、长短时记忆网络(LSTMs)、选通递归单元(GRUs)和残差神经网络(ResNets);数据库使用了 TUH-EEG ...原创 2020-03-09 00:19:34 · 2670 阅读 · 2 评论 -
【基于深度学习的脑电图识别】TUH EEG 脑电图数据下载方法
TUH EEG 数据下载方法数据集简介:数据集地址:申请数据:查看数据:下载数据:数据集简介:这个数据集包括超过 25000 个脑电图研究,包括一个神经学家对测试的解释,一个简短的病人病史和关于病人的人口统计信息,如性别和年龄;数据集详细介绍请移步我的这一篇博客:https://blog.csdn.net/weixin_44936889/article/details/104652607...原创 2020-03-07 20:58:36 · 3323 阅读 · 6 评论 -
【基于深度学习的脑电图识别】综述篇(三)模型分析:Deep learning-based electroencephalography analysis: a systematic review
Deep learning-based electroencephalography analysis: a systematic review架构分类:统计数据:EGG 特异性设计:训练模型:训练过程:正则化:优化器:超参数搜索:检验模型:这一部分主要回答以下几个问题:最常用的架构是什么?这些年来发生了什么变化?架构的选择是否与输入特性有关?在DL-EEG中使用的网络有多深?架构...原创 2020-03-06 15:52:01 · 2052 阅读 · 0 评论 -
【基于深度学习的脑电图识别】综述篇(二)数据采样及处理:Deep learning-based electroencephalography analysis: a systematic review
Deep learning-based electroencephalography analysis: a systematic review文章选取和分布:文章选取和分布:本文选取了 2010 到 2018 年间相关的论文,对于每一篇被选择的文章,大约70个数据项被提取出来,包括 5 个类别:文章的来源,基本原理,使用的数据,脑电图处理方法,深度学习方法和报告的结果;下图为为所选的每个项...原创 2020-03-06 11:06:54 · 2048 阅读 · 0 评论 -
【基于深度学习的脑电图识别】综述篇(一):Deep learning-based electroencephalography analysis: a systematic review
Deep learning-based electroencephalography analysis: a systematic review摘要:摘要:脑电图(EEG)是一个复杂的信号,一个医生可能需要几年的训练并利用先进的信号处理和特征提取方法,才能正确解释其含义;而如今机器学习和深度学习的发展,表明它们在...原创 2020-03-05 20:25:01 · 5613 阅读 · 1 评论 -
【基于深度学习的脑电图识别】数据集篇:THE TUH EEG CORPUS: A Big Data Resource for Automated EEG Interpretation
【基于机器学习的脑电图识别】数据集篇:脑电信号自动判读的大数据摘要:摘要:这个数据集包括超过 25000 个脑电图研究,包括一个神经学家对测试的解释,一个简短的病人病史和关于病人的人口统计信息,如性别和年龄。这是第一次有足够的数据来支持最先进的机器学习算法的应用。在这篇论文中,我们使用了3762个语料库的会话子集,展示了从原始脑电图信号数据预测脑电图的一些基本属性的初步实验结果。在闭环测试中,...原创 2020-03-04 15:34:14 · 4586 阅读 · 12 评论