<?xml version="1.0" encoding="utf-8" ?><rss version="2.0"><channel><title><![CDATA[LiDLMU的博客]]></title><description><![CDATA[]]></description><link>https://blog.youkuaiyun.com/LiDLMU</link><language>zh-cn</language><generator>https://blog.youkuaiyun.com/</generator><copyright><![CDATA[Copyright &copy; LiDLMU]]></copyright><item><title><![CDATA[pytorch安装本地安装]]></title><link>https://blog.youkuaiyun.com/LiDLMU/article/details/110228557</link><guid>https://blog.youkuaiyun.com/LiDLMU/article/details/110228557</guid><author>LiDLMU</author><pubDate>Fri, 27 Nov 2020 13:44:46 +0800</pubDate><description><![CDATA[pytorch安装打开官网 复制这段话到Anaconda里粘贴直接运行(就粘他默然的)

大部分情况下会下载超时，（如果一切正常，辣么恭喜你）
出错启动planB，换清华的镜像，然后还是上面辣句，但是去掉后面的  -c pytorch
conda config --add channelshttps://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
conda config --add channels https://mirrors.tuna.tsing]]></description><category></category></item><item><title><![CDATA[mne绘制脑地形图]]></title><link>https://blog.youkuaiyun.com/LiDLMU/article/details/109498705</link><guid>https://blog.youkuaiyun.com/LiDLMU/article/details/109498705</guid><author>LiDLMU</author><pubDate>Wed, 04 Nov 2020 21:01:50 +0800</pubDate><description><![CDATA[只有各个通道的脑电数据以及通道名称，借助mne绘制脑地形图

生成mne的raw对象
创建events和epochs对象
给epochs设置通道名 epochs.set_montage(‘standard_1020’),1020即10-20，详情见官方文档,设置好就可画了。这是api里提供的方法，自己挑选
生成evokeds对象

nave = len(epochs.get_data())
epochs.get_data().shape
evoked_data = np.mean(epochs.get_da]]></description><category></category></item><item><title><![CDATA[无事件mne 创建event，epochs对象]]></title><link>https://blog.youkuaiyun.com/LiDLMU/article/details/109329767</link><guid>https://blog.youkuaiyun.com/LiDLMU/article/details/109329767</guid><author>LiDLMU</author><pubDate>Wed, 28 Oct 2020 12:50:32 +0800</pubDate><description><![CDATA[在eeg数据处理中需要将数据进行分段，mne提供epochs对象可以实现，但是创建epochs需要有events,但是我用的数据没有事件，所以就卡住了。
我：我想用epochs
mne：创建epochs要events
我：。。。。我没有
mne：辣，不好意思，下一位
又看了看教程最后一个例子Making equally-spaced Events arrays可以创建等距事件数组
mne.make_fixed_length_events()：参数：duration–持续时间，overlap–事件之间重叠时间]]></description><category></category></item><item><title><![CDATA[mne学习笔记4（SEED数据集预处理练习）]]></title><link>https://blog.youkuaiyun.com/LiDLMU/article/details/109291216</link><guid>https://blog.youkuaiyun.com/LiDLMU/article/details/109291216</guid><author>LiDLMU</author><pubDate>Mon, 26 Oct 2020 15:50:53 +0800</pubDate><description><![CDATA[导入数据
import mne
import numpy as np
import scipy.io
import matplotlib.pyplot as plt

#加载数据
data = scipy.io.loadmat('G:\数据\SEED\SEED\Preprocessed_EEG\\2_20140404.mat')
print(data)

查看数据格式，

#创建raw对象
info = mne.create_info(
    ch_names = ch_names,
    ch_typ]]></description><category></category></item><item><title><![CDATA[MNE学习笔记3]]></title><link>https://blog.youkuaiyun.com/LiDLMU/article/details/109111457</link><guid>https://blog.youkuaiyun.com/LiDLMU/article/details/109111457</guid><author>LiDLMU</author><pubDate>Mon, 19 Oct 2020 10:46:32 +0800</pubDate><description><![CDATA[ICA修复伪影
导入存在明显ECG、EOG伪影的数据
import os
import mne
from mne.preprocessing import (ICA, create_eog_epochs,create_ecg_epochs, corrmap)
raw_name = 'H:/PycharmProjects/untitled1/simple/sample_audvis_raw.fif'

raw = mne.io.read_raw_fif(raw_name)
raw.crop(0, 60).lo]]></description><category></category></item><item><title><![CDATA[MNE学习笔记2]]></title><link>https://blog.youkuaiyun.com/LiDLMU/article/details/109080994</link><guid>https://blog.youkuaiyun.com/LiDLMU/article/details/109080994</guid><author>LiDLMU</author><pubDate>Fri, 16 Oct 2020 09:17:48 +0800</pubDate><description><![CDATA[伪影检测
伪影：

低频漂移
电源线噪声
心电(ECG)
眼电（EOG）


]]></description><category></category></item><item><title><![CDATA[MNE学习笔记1]]></title><link>https://blog.youkuaiyun.com/LiDLMU/article/details/109065399</link><guid>https://blog.youkuaiyun.com/LiDLMU/article/details/109065399</guid><author>LiDLMU</author><pubDate>Wed, 14 Oct 2020 15:22:28 +0800</pubDate><description><![CDATA[参考:
https://mne.tools/stable/auto_tutorials/index.html
https://blog.youkuaiyun.com/zyb228/article/details/103128981
https://blog.youkuaiyun.com/CoolCoolCarrot/article/details/88931907
数据读取
import mne
from mne import io
import matplotlib.pyplot as plt

#data_path = mne]]></description><category></category></item><item><title><![CDATA[Analyzing Neural Time Series Data 读书笔记7，8]]></title><link>https://blog.youkuaiyun.com/LiDLMU/article/details/108475679</link><guid>https://blog.youkuaiyun.com/LiDLMU/article/details/108475679</guid><author>LiDLMU</author><pubDate>Wed, 09 Sep 2020 20:09:50 +0800</pubDate><description><![CDATA[7   Preprocessing Steps Necessary and Useful for Advanced Data Analysis
7.1   What Is Preprocessing?
预处理是指在收集数据和分析数据之间发生的任何转换或重组（提取时期，移除不良或伪影的数据，应用时间过滤器或空间转换）
记录每个预处理的所有细节，应该对所有条件使用相同的预处理过程，以尽量减少可能引入的任何偏差将错误地导致条件差异的可能性。
7.2   The Balance between Signal and]]></description><category></category></item><item><title><![CDATA[Analyzing Neural Time Series Data 读书笔记6]]></title><link>https://blog.youkuaiyun.com/LiDLMU/article/details/108474516</link><guid>https://blog.youkuaiyun.com/LiDLMU/article/details/108474516</guid><author>LiDLMU</author><pubDate>Tue, 08 Sep 2020 19:43:28 +0800</pubDate><description><![CDATA[Analyzing Neural Time Series Data
第六章读书笔记 仅做学习记录
6 Practicalities of EEG Measurement and Experiment Design
6.1 Designing Experiments: Discuss, Pilot, Discuss, Pilot
在收集信息之前做好实验设计，并进行初步的行为测试，然后分析数据，发现缺点，是否修改。若修改实验设计，则之前的数据就不能用了。
6.2 Event Markers
实验事件标记（或称触]]></description><category></category></item><item><title><![CDATA[Analyzing Neural Time Series Data 读书笔记5]]></title><link>https://blog.youkuaiyun.com/LiDLMU/article/details/108453376</link><guid>https://blog.youkuaiyun.com/LiDLMU/article/details/108453376</guid><author>LiDLMU</author><pubDate>Tue, 08 Sep 2020 16:17:58 +0800</pubDate><description><![CDATA[4 Introduction to Matlab Programming
4.1 Write Clean and Efficient Code
三个让代码干净整洁的策略：

写注释：在一行或一块代码前添加注释，说明是干什么的，也可以用注释标明矩阵的大小或者矩阵尺寸的顺序（时间，频率，条件，电极），保持注释简洁不要让代码淹没在注释中
将代码行按照它们的共同目的进行分组（类比句子和段落）。如果一行中有许多函数或命令，请考虑将其拆分成两行或更多行，以便于阅读。
使用合理的和可解释的变量名（不要瞎起名）

4.2 ]]></description><category></category></item><item><title><![CDATA[Analyzing Neural Time Series Data 读书笔记3]]></title><link>https://blog.youkuaiyun.com/LiDLMU/article/details/108447191</link><guid>https://blog.youkuaiyun.com/LiDLMU/article/details/108447191</guid><author>LiDLMU</author><pubDate>Mon, 07 Sep 2020 16:00:26 +0800</pubDate><description><![CDATA[Analyzing Neural Time Series Data
第三章读书笔记 仅做学习记录
3 Interpreting and Asking Questions about Time-Frequency Results
3.1 EEG Time-Frequency: The Basics
EEG数据包含有节律性活动，在未处理的原始数据中也能看出这一特点（图3.1），这种节律反映的是神经元群的兴奋的波动。这些振荡有的快（几十到几百毫秒），有的慢（几秒到几分钟），有些与任务事件相关，有些无关

一般由三]]></description><category></category></item><item><title><![CDATA[机器学习基础资料汇总]]></title><link>https://blog.youkuaiyun.com/LiDLMU/article/details/107554299</link><guid>https://blog.youkuaiyun.com/LiDLMU/article/details/107554299</guid><author>LiDLMU</author><pubDate>Fri, 24 Jul 2020 16:45:07 +0800</pubDate><description><![CDATA[文章主要记录本人入门机器学习查找的一些资料记录，如果有好的资料评论区分享，大家共同进步！
主要学习资料 ：
李宏毅机器学习深度学习
参考课程笔记
LSTM
GRU
无监督学习
降维
K-means
Word-Embedding
Auto-encoder

...]]></description><category></category></item><item><title><![CDATA[LeetCode探索—腾讯]]></title><link>https://blog.youkuaiyun.com/LiDLMU/article/details/103832142</link><guid>https://blog.youkuaiyun.com/LiDLMU/article/details/103832142</guid><author>LiDLMU</author><pubDate>Sat, 04 Jan 2020 14:02:15 +0800</pubDate><description><![CDATA[每日一题
第一天  两数之和
第二天	寻找两个有序数组的中位数
第三天	最长回文子串
第四天	字符串转换整数 (atoi)
第五天	最长公共前缀
第六天	三数之和
第七天	最接近的三数之和
第八天	有效的括号
第九天	删除排序数组中的重复项
第十天	盛最多水的容器
第十一天	字符串相乘
第十二天	反转字符串
第十三天	反转字符串中的单词 III
第十四天	除自身以外数组的乘积
第十五天	存在重复元...]]></description><category></category></item></channel></rss>