- 博客(6)
- 收藏
- 关注
RSS订阅原创 BrainGNN：用于fMRI分析的可解释脑图神经网络（翻译）
摘要了解哪些脑区与特定的神经系统疾病或认知刺激有关一直是神经影像学研究的一个重要领域。我们提出了BrainGNN，一个图形神经网络（GNN）的框架，用于分析功能磁共振图像（fMRI）和发现神经影像。框架来分析功能磁共振图像（fMRI）并发现神经系统的生物标志物。考虑到大脑图形的特殊属性，我们设计了新型的ROI感知图形卷积(Ra-Conv)层，利用fMRI的拓扑学和功能信息。出于对医学图像分析透明性的需要我们的BrainGNN包含ROI选择池层(R-pool)，突出了突出的ROI（图中的节点），因此我们
2021-12-10 15:40:57
1186
2
原创 EEG Emotion Recognition Using DynamicalGraph Convolutional Neural Network
情感识别在人机交互中起着重要的作用[1]，它使机器能够感知人类的情感状态，从而使机器在人机交互中更加 "有同情心"。态，从而使机器在人机互动中更有 "同情心"。基本上，情感识别方法可以分为 分为两类。第一类是基于非生理信号的，比如面部表情图像[2]。[3], [4], [5], [6], 身体姿态[7], 和语音信号[8]。第二种是基于生理信号，如脑电图（EEG）[9]，肌电图（EMG）[10]。和心电图（ECG）[11]。在各种类型的生理信号中，EEG信号是最常用的信号之一。它是直接从大脑皮层采集的，
2021-12-10 15:40:24
1231
1
原创 自编码器自学笔记
自编码器主要学到就PCA,DECNN线性编码器 解码过程wx+b ------- w^t x+b卷积神经网络就是将卷积倒置，相乘出现几个数池化层， unpooling 先确定最大池化的原本的位置，然后其他补零。
2021-12-02 20:58:19
129
翻译 基于脑电图的情绪识别与特征融合网络（翻译版）
摘要随着人机交互的快速发展，近年来基于多通道脑电信号的自动情绪识别已经引起了人们的关注。然而，许多现有的基于EEG的情感识别研究 ，情绪识别的现有研究忽略了不同脑电通道之间的相关信息，不能完全捕捉到脑电信号的背景信息。本文提出了一种新型的多特征融合网络，它由空间和时间神经网络结构组成。该网络由空间和时间神经网络结构组成，以学习辨别性的时空情感信息来识别情感。在这个实验中，两类常见的特征，时域特征（Hjorth、差分熵、样本熵）和频域特征（功率谱密度），被提取出来。然后，为了学习空间和背景信息。.
2021-12-02 19:04:57
643
原创 KNN算法学习笔记
KNN的后面两个n的意思是最近邻居，那就是近墨者黑的意思，计算距离是欧式距离公式，用测试的数据和所有的数据集进行计算，然后把他归类到最接近的数据，然后就给他贴上最接近的那个已知标签的数据的标签。knn最重要的就是kd tree，就是把数据做方差，最大的方差是维数，然后在这个维度下，把数据的中位数作为根节点，然后大于在右边，小于在左边，然后不断地迭代。k 不能取太大，容易欠拟合，k 不能去太小 容易过拟合。欠拟合的意思是它的拟合率很低，过拟合的意思是看起来拟合率很高但是其实实际用起来.
2021-10-15 00:00:47
708
原创 1.监督学习的学习笔记
监督学习是指将把数据集都标记好后进行训练，然后训练学习出一种函数，然后通过这个数据集去测试新的数据。监督学习一般有两种问题就是分类问题和回归问题。看到一个很有意思的东西人说1+1等于2AI 记住1+1 =2，人问 1+1 =?AI说 1+1 =2分类问题的意思是数据集是比较分散的，将多个输入变量与多个不同的类别建立映射关系，有多个变量，所以需要分割来分析问题。举个例子，在吴恩达的机器学习中介绍了一个关于分类问题的例子:目前已有的数据是肿瘤的恶性和良性,恶.
2021-10-13 23:10:02
113
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