https://blog.csdn.net/qq_45874683/article/details/123929923
生成 DE(微分熵)文件:
要生成具有 DE 功能的文件,首先需要从上述存储库运行DEAP_1D.py脚本,然后DEAP_1D_3D.py。在脚本中指定包含文件的目录的路径和输出路径。
生成 PSD(功率谱密度)文件:
要创建PSD文件,需要运行修改后的DEAP_1D.py,然后运行相同的DEAP_1D_3D.py。
没有合适的资源?快使用搜索试试~ 我知道了~
温馨提示
本文提出了一种新的情绪识别模型,该模型以脑图为输入,以唤醒和效价为输出提供情绪状态。脑图是从脑电信号中提取的特征的空间表示。该模型被称为多任务卷积神经网络(MT-CNN),使用微分熵(DE)和功率谱密度(PSD),并考虑0.5s的观察窗口,由四种不同频段的不同波(α、β、γ和θ)的叠加脑图构成。该模型在DEAP数据集上进行训练和测试,DEAP数据集是一个用于比较的著名数据集。该模型的准确度在价态维度上为96.28%,在唤醒维度方面,获得了96.62%的准确率,这项工作表明,MT-CNN的性能优于其他方法。 模型为二维卷积神经网络。该模型的输入是一个脑图,它是EEG信号的空间谱表示。该模型由四个二维卷积层、一个完全连接层以及上述每个层之后的dropout和批量归一化层组成。最后,输出到两个流:前者用于分类受试者的配价水平,后者用于唤醒水平。ReLU用作激活功能。分类层使用一个sigmoidal函数来获得类似概率的输出。对模型进行了收敛性训练。
资源推荐
资源详情
资源评论
收起资源包目录
(论文加源码)构建脑图的二维卷积(提取了功率谱密度psd和微分熵DE).zip (19个子文件)
(论文加源码)构建脑图的二维卷积(提取了功率谱密度psd和微分熵DE)
Training.ipynb 321KB
Input Data Representation.ipynb 56KB
eegemotion
main.py 2KB
utils.py 4KB
train.py 14KB
data_load.py 3KB
DEAP_1D_3D.py 4KB
__init__.py 0B
model.py 2KB
DEAP_1D.py 7KB
_Applet_2022-04-02_ emotion recognition.pdf 5.21MB
graphics
ablation_studies_tnr.png 135KB
model_structure_hor_tnr.png 759KB
brainmaps.png 486KB
requirements.txt 97B
setup.py 452B
.gitignore 2KB
MT_CNN.pdf 2.21MB
readme.txt 421B
共 19 条
- 1
脑电情绪识别
- 粉丝: 1w+
- 资源: 34
上传资源 快速赚钱
- 我的内容管理 展开
- 我的资源 快来上传第一个资源
- 我的收益 登录查看自己的收益
- 我的积分 登录查看自己的积分
- 我的C币 登录后查看C币余额
- 我的收藏
- 我的下载
- 下载帮助
最新资源
资源上传下载、课程学习等过程中有任何疑问或建议,欢迎提出宝贵意见哦~我们会及时处理!
点击此处反馈
安全验证
文档复制为VIP权益,开通VIP直接复制
信息提交成功
- 1
- 2
- 3
- 4
- 5
- 6
前往页