(论文加源码)基于多尺度卷积神经网络的脑电情绪识别(数据集为deap)

上传者: 45874683 | 上传时间: 2022-04-08 17:06:37 | 文件大小: 8.65MB | 文件类型: ZIP
在本文中,我们提出了一种多尺度卷积神经网络TSception,用于从脑电图(EEG)中学习时域特征和空间不对称性。TSception由动态时间层、非对称空间层和高层融合层组成,这些层同时学习时间和通道维度上的区别表示。动态时间层由多尺度一维卷积核组成,其长度与脑电信号的采样率有关,学习脑电的动态时间和频率表示。非对称空间层利用情绪反应背后的非对称神经激活,学习辨别性的全局和半球表征。学习到的空间表示将通过高级融合层进行融合。使用更广义的交叉验证设置,在两个公开可用的数据集DEAP和MAHNOB-HCI上对所提出的方法进行了评估。该网络的性能与之前报道的方法进行了比较,如SVM、KNN、FBFgMDM、FBTSC、无监督学习、DeepConvNet、ShallowConvNet和EEGNet。在大多数实验中,与比较的方法相比,我们的方法获得了更高的分类精度和F1分数。

文件下载

资源详情

[{"title":"( 22 个子文件 8.65MB ) (论文加源码)基于多尺度卷积神经网络的脑电情绪识别(数据集为deap)","children":[{"title":"(论文加源码)基于多尺度卷积神经网络的脑电情绪识别","children":[{"title":"自己复现","children":[{"title":"EEGDataset.py <span style='color:#111;'> 535B </span>","children":null,"spread":false},{"title":"Train.py <span style='color:#111;'> 21.90KB </span>","children":null,"spread":false},{"title":"data","children":[{"title":"sub_1.hdf <span style='color:#111;'> 3.52MB </span>","children":null,"spread":false},{"title":"sub_0.hdf <span style='color:#111;'> 3.52MB </span>","children":null,"spread":false}],"spread":true},{"title":"LICENSE <span style='color:#111;'> 1.04KB </span>","children":null,"spread":false},{"title":"PrepareData.py <span style='color:#111;'> 3.92KB </span>","children":null,"spread":false},{"title":"Models.py <span style='color:#111;'> 8.01KB </span>","children":null,"spread":false},{"title":"README.md <span style='color:#111;'> 5.13KB </span>","children":null,"spread":false},{"title":"readme.txt <span style='color:#111;'> 400B </span>","children":null,"spread":false}],"spread":true},{"title":"2104.02935v2.pdf <span style='color:#111;'> 3.36MB </span>","children":null,"spread":false},{"title":"论文源码","children":[{"title":"LICENSE <span style='color:#111;'> 1.04KB </span>","children":null,"spread":false},{"title":"code","children":[{"title":"main-DEAP.py <span style='color:#111;'> 2.47KB </span>","children":null,"spread":false},{"title":"utils.py <span style='color:#111;'> 4.11KB </span>","children":null,"spread":false},{"title":"eeg_dataset.py <span style='color:#111;'> 578B </span>","children":null,"spread":false},{"title":"networks.py <span style='color:#111;'> 2.43KB </span>","children":null,"spread":false},{"title":"cross_validation.py <span style='color:#111;'> 10.96KB </span>","children":null,"spread":false},{"title":"prepare_data_DEAP.py <span style='color:#111;'> 6.67KB </span>","children":null,"spread":false},{"title":"requirements.txt <span style='color:#111;'> 82B </span>","children":null,"spread":false},{"title":"train_model.py <span style='color:#111;'> 5.48KB </span>","children":null,"spread":false},{"title":"baselines.py <span style='color:#111;'> 7.69KB </span>","children":null,"spread":false}],"spread":true},{"title":"README.md <span style='color:#111;'> 3.26KB </span>","children":null,"spread":false},{"title":"readme.txt <span style='color:#111;'> 714B </span>","children":null,"spread":false}],"spread":true}],"spread":true}],"spread":true}]

评论信息

免责申明

【只为小站】的资源来自网友分享,仅供学习研究,请务必在下载后24小时内给予删除,不得用于其他任何用途,否则后果自负。基于互联网的特殊性,【只为小站】 无法对用户传输的作品、信息、内容的权属或合法性、合规性、真实性、科学性、完整权、有效性等进行实质审查;无论 【只为小站】 经营者是否已进行审查,用户均应自行承担因其传输的作品、信息、内容而可能或已经产生的侵权或权属纠纷等法律责任。
本站所有资源不代表本站的观点或立场,基于网友分享,根据中国法律《信息网络传播权保护条例》第二十二条之规定,若资源存在侵权或相关问题请联系本站客服人员,zhiweidada#qq.com,请把#换成@,本站将给予最大的支持与配合,做到及时反馈和处理。关于更多版权及免责申明参见 版权及免责申明