这篇博客探讨了在科研背景下，如何处理电影FMRI信号数据。通过将体素信号输入GAN网络，生成时序信号，并详细介绍了数据预处理、模型构建（多层感知机）以及训练和测试过程。利用TensorFlow实现模型，并在MATLAB中进行sparse coding分析，最终通过fsl的overlay运算得到spatial map。
看电影数据
数据是看电影的fmri信号，一个人大约有两万多个体素，每个体素有530时间长度的信号
将一个体素的信号输入到GAN网络中，生成时序信号
数据预处理包括将mat格式的数据转化成np格式输入网络
模型构建
生成网络是一个多层感知机，包括四层，每一层是一个fully_connected层
该函数的输出是weight和input相乘，默认参数normalizer_fn = None，如果还有 bias初始化参数的话，有bias，如上有batch_norm的话，没有bias,在weight和input相乘之后，增加batchnorm操作，之后如果有activation_fn的话，再进行激活函数操作。
main函数
先调用模型构建函数
saver = tf.train.Saver( var_list ) # 创建一个saver,var_list是将要进行保存或者恢复的变量，默认为none，保存所有已出现有关的变量
新开一个会话session
sess.run(int) #初始化变量
sess.run(opt) #进行训练
saver.save(sess,path) #保存变量
test函数
调
最低0.47元/天 解锁文章
944
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
