Iron_vik的博客

我的疑问：虽然从结果上面看，能取得较好的实验效果，但是这样做有什么依据？针对DEAP数据集提出了一种EEG脑电数据预处理新方法:baseline signals are considered.大多数基于EEG的情绪识别研究直接使用EEG trials信号，没有考虑到基线(无刺激的EEG信号)的作用。BaseRemoved为trial 数据按照BaseMean数据减去BaseMean后的叠加。label one-hot-code:阈值5。label one-hot-code:阈值5。节律信号：4 band。

由于最近兴起的元宇宙，对于EEG，BCI，EMG等相关的名词冒出新芽。这篇综述对于EEG应用了解是一个很好的切入点，并且也让读者了解到DL对于新型的数据处理的难点和优势。

文献阅读

本文提出了一种基于EEG数据，检测残留意识以此来进行情绪识别的BCI系统，同时收集和处理EEG数据，并有实时的feedback，最后在DOC患者上测试，达到唤醒和识别情绪的目的。

本文针对脑电信号的情绪识别数据集数据较少的问题，提出了一种数据增强的方法在对浅层和深层，一共三个学习模型进行使用前后的对比测试，对情绪进行三类划分。

本文提出了关于改善BCI算法开发的自己的开源系统（网址），并在一组包含12个公开数据集，250多个主题的解码算法上进行数据可视化和统计分析。