SEED lab 远程DNS实验代码，详情操作可见博客

本文提出了一种新的四维卷积递归神经网络方法，将多通道脑电信号的频率、空间和时间信息显式地整合在一起，提高基于脑电的情绪识别精度。 首先，为了保持脑电的这三种信息，我们将不同通道的差分熵特征转化为4D结构来训练深度模型。 然后，我们引入了由卷积神经网络(CNN)和带有长短时记忆(LSTM)细胞的递归神经网络(recurrent neural network)组合而成的CRNN模型。 使用CNN从每个4D输入的时间切片中学习频率和空间信息，使用LSTM从CNN输出中提取时间依赖性。 LSTM的最后一个节点的输出执行分类。 我们的模型在主题内分裂的SEED和DEAP数据集上都达到了最先进的性能。 实验结果表明，结合脑电的频率、空间和时间信息进行情感识别是有效的。

SEED数据集情绪识别，包含seed数据集所有

rgnn_seed数据集情绪识别代码，包含完整seed数据集

seed数据集EEG情绪识别，包含完整seed数据集

seed-xds560v2和seed-xds560v2plus的驱动程序，适合CCSV5等各版本

网上各种版本的驱动，安装时会出现各种麻烦，这是我找到的最好用的。seed-xds560驱动，绝对好用！

复旦大学_软件安全_SEED labs_9-Meltdown实验 是从雪城大学SEED labs上找的实验 资源包括： 攻击修改代码、实验报告详细版、实验指导书、参考链接

复旦大学_软件安全_SEED labs_8- Spectre实验 是从雪城大学SEED labs上找的实验 资源包括： 攻击修改代码、实验报告详细版、实验指导书、参考链接

Basal plane bending of 4H-SiC single crystals grown by sublimation method with different seed attachment methods