- 博客(12)
- 资源 (1)
- 收藏
- 关注
RSS订阅
原创 Web初学笔记（1）——Web应用（在线计算器）
一个简单的在线计算器应用。使用html编写计算器的布局和结构，使用css更改样式和细节，使用javascript编写按键响应函数及计算逻辑。可作为初学入门的一个小参考。
2021-11-10 21:27:59
3406
原创 【探讨】什么情况下使用多重比较校正？
在神经科学和其他领域的研究中，面对大量的统计检验时，多重比较问题是不可忽视的挑战。随着研究涉及的变量数量和检验次数的增加，错误的统计结论，特别是假阳性结果的概率也会显著上升。为了避免这种问题，多重比较校正方法成为确保研究结果可靠性的关键。本文探讨了多重比较问题的背景和机制，特别是在神经科学研究中的应用，介绍了如何通过 Bonferroni 校正 和 FDR 校正 等方法控制假阳性率，并通过具体的代码案例展示了不同校正方法的效果。此外，针对不同的研究场景，我们还讨论了在几种情境下使用多重比较校正的重要性。
2024-12-09 22:47:40
3823
原创 【探讨】统计具有显著性，分类准确率越高？
t 检验作为一种广泛使用的统计方法，主要用于评估不同组间均值差异的显著性。然而，其局限性在于它并不能直接反映数据的可分离性。显著性与可分离性的区别：t 检验关注的是均值差异，而分类准确率则侧重于数据点的可分离性。在数据分布高度重叠的情况下，即使 t 检验显示出显著性差异，分类模型仍然可能无法有效地区分这些数据，从而导致较低的分类准确率。重叠对分类性能的影响：当两组数据的分布重叠较多时，虽然它们的均值可能存在显著差异，但分类模型可能难以找到有效的决策边界。
2024-10-20 18:23:44
1318
原创 【脑电绘图教程 4】常用统计分析方法及绘图
在神经科学研究中，脑电（EEG）信号分析是解读大脑活动的关键手段之一。然而，除了数据的采集和预处理，如何对这些数据进行有效的统计分析并呈现出直观的图形结果同样至关重要。在之前的几篇博客中，我们已经介绍了脑电数据的基本处理流程。然而，数据分析的工作并未就此结束。例如，脑电的某些特征在不同疾病中是否有差异？与某些疾病的量表评分是否有相关性？能否表征不同生理状态（脑机接口）？预处理和特征提取并不能直接给出这些问题的答案，我们需要应用合适的统计分析方法，给出有说服力的结果。
2024-08-29 20:17:28
2548
2
原创 【脉冲神经网络教程 04】脉冲神经网络搭建及训练-理论篇2
只有在输入参数x被明确传入net后，才会调用forward()函数中的代码。fc1-全连接层：对来自 MNIST 数据集的所有输入像素进行线性变换；在一段时间内对加权输入进行积分，如果满足阈值条件，则发出脉冲；fc2-全连接层：对lif1的输出脉冲进行线性变换；对加权脉冲进行时间积分。# 创建训练和测试用的DataLoaders# 网络结构# 时间参数# 定义网络结构# 记录输出层的脉冲。
2024-01-11 10:46:15
3109
原创 【脉冲神经网络教程 03】脉冲神经网络搭建及训练-理论篇
本文讲解了基于snntorch库搭建脉冲神经网络的过程，解释了前向模型的原理，并进行了代码仿真（文末有可以直接运行），基于梯度下降法的脉冲神经网络训练过程则在第四节讲解。
2024-01-05 19:36:44
3412
1
原创 【脉冲神经网络教程 02】脉冲神经网络搭建及训练-实战篇
该网络结构实际上是一个多层感知器（MLP）结构，即输入层、隐藏层和输出层三层结构。输入层的大小由决定，即输入图像的像素数。在 MNIST 数据集中，每个图像是 28x28 像素的灰度图像。隐藏层使用了一个线性层 (nn.Linear)，其中包含个神经元。这意味着有 1000 个隐藏层神经元，每个与输入层的每个像素连接。每个隐藏层神经元后面连接了一个 Leaky 脉冲神经元 (snn.Leaky)，它的漏电参数（leak parameter）由beta控制，被初始化为 0.95。
2024-01-04 22:36:51
4277
7
原创 【脉冲神经网络入门教程 01】脉冲编码方法
大脑以神经脉冲作为基本信息形式进行工作。视网膜将光刺激转化为神经脉冲，我们就有了视觉。当挥发的分子转化为神经脉冲，我们就闻到了气味。当神经末梢将触觉压力转化为脉冲时，我们就有了触觉。脉冲神经网络采用脉冲神经元作为基本单元，具有一定的仿生性。脉冲神经网络的输入为神经脉冲，但是实际输入的信息通常为图片、语音等形式，因此在信息输入前需要进行脉冲编码。人脑具有最顶尖的脉冲编码技术，可以利用小容量、低功耗神经系统，编码出各种各样的感觉、记忆、想象等功能。
2024-01-04 15:00:32
6037
4
原创 【补充：脑电绘图教程 2】如何手动去除ICA伪迹分量
ICA可以将脑电信号分解为多个IC分量，由每个分量的平均功率地形图可以看出哪些分量属于伪迹，去除伪迹分量后，即可得到“干净”的脑电信号。本教程主要总结如何人工识别出ICA伪迹分量，不涉及ICA的原理讲解。本教程的主要知识来源是ICLabel官网ICLabel致力于自动识别IC分量属于哪种伪迹，并标记伪迹占比，可以在eeglabel中很方便地使用。ICLabel给出了几种常见伪迹的特点，本教程主要是根据ICLabel给出伪迹特点，对自己的数据集手动去除伪迹，以更深入了解自己数据集的质量和伪迹特点。
2023-10-18 17:18:07
3188
5
原创 【脑电绘图教程 2】使用Brainstorm进行脑电处理及源定位
Brainstorm 是一个开源应用程序，支持MEG、EEG、fNIRS、ECoG、深度电极和其他电生理学的数据分析，尤其用于MEG、EEG的源定位。Brainstorm的主要优点是其简单直观的图形界面，不需要进行任何编程，即可上手MEG、EEG分析，此外，它还支持多种数据类型（基本上EEGLab支持的，它都支持），并且具有数据批量处理功能，可以很方便的分析自己的数据。
2023-10-14 23:45:09
11971
26
原创 【简易教程】使用3dmax利用网上免费人物模型来制作人物动作动画
用openpose可以识别出人体姿态，于是想结合UE4，做一个人体姿态跟踪的游戏，即游戏里面的人物可以和现实人物做一样的动作。但是制订动作需要自己做动作动画，于是研究了一下人物动作动画是如何实现的。
2021-12-07 11:06:33
14036
1
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人