对transformer的复盘，原代码来自国外的博主
2025-03-28 21:44:49
1024
一些溯源后，如何找脑区，如果进行功能研究，该从什么入手。
2025-03-22 21:48:07
818
嘉立创eda客户端打开无反应
2025-03-16 21:54:42
116
完成了第一部分，dspm溯源，加上roi区域的标记（按照默认功能区的）和这个数据的获取。
2025-03-14 21:54:13
797
本文讨论了一些方法是如何实现这个电极图的绘制，如果想在这个图上使用更多自定义的代码绘制，可以基于此进行扩展。后续再探讨一些可能的可视化方案：比如可以把点的绘制部分，替换为其他的指标，同时，把一些网络指标或者功能连接指标，通过这个脑的图来绘制。
2025-03-12 14:49:33
999
本文包含了获取加密货币的交易数据，并进行基本的技术指标计算，综合整理为文本的过程。包括如何得到和优化一个promptd的过程，可以将文本按照推荐的提示词分析市场数据，从而得到得到比较可靠的投资建议
2025-02-28 23:56:18
1100
看到了这个解决方案，之前有想过如何快速生成manim，自己水平不够，学习的资料也不够多。这个可以生成很多manim动画，配置简单，值得一试。
2025-01-25 23:48:44
2434
了解一下数字货币交易平台有什么基本技术指标
2025-01-18 21:58:04
1862
homer的预处理的流程和参数说明
2025-01-14 17:05:20
1325
近红外资料的收集，对于nirs数据的结构的分析，对于布局文件的修正。对homer2的处理流程函数的说明。
2025-01-12 17:22:50
1085
对bciIV的运动想象数据，给出处理的过程，并进行一些可视化的工作
2025-01-06 18:52:33
1197
基于脑电信号( Electroencephalogram，EEG )的脑机接口( Brain-Computer Interfaces，BCIs )构建了人脑与外部设备之间的通信通路。关于eeg深度学习的一个较新的综述，主要针对的是运动想象领域提供了不少有效的建议。
2024-12-13 17:02:38
359
MEG（磁脑图）、EEG（脑电图）和MRI（磁共振成像）是三种不同的脑成像技术，它们各有优缺点。
2024-12-11 20:00:00
1658
mne的几个论文和推荐学习的资源
2024-12-11 15:57:40
980
thinkdsp的第二章，关于频谱的更多操作
2024-12-07 18:29:04
911
参考thinkdsp信号处理的第一章
2024-12-03 11:32:45
1032
使用一些ai工具去读一个文章
2024-11-19 23:11:47
1057
PyBmini开发的工程文件。包含显示和主函数。
2024-11-15 16:09:16
272
动力学编程，积分，dynamicalSystem的介绍，还有运行器的介绍
2024-11-07 22:24:59
803
Seaborn统计相关的绘图
2024-11-06 23:11:48
476
从一个视频中学习了扩散模型的数学原理，一些概率论的推导
2024-11-06 15:49:16
1057
参考电路基础知识入门，复习一些基础，之后需要在学习
2024-11-01 16:40:27
1424
brainpy的一些基础，包括变量的声明和循环语句，记录的笔记
2024-10-30 17:09:05
781
神经科学和人工智能发展的未来的一些看法，发展关键点和结合的可能性
2024-10-28 23:06:10
147
测试的函数，涵盖了一些功能，代码进行注释
2024-10-26 20:24:28
239
一个作业记录
2024-10-24 09:42:34
533
神经元的一个基础电路等效。
2024-10-21 23:04:15
1011
本文对ssd1306这个显示器的文本显示进行了一些尝试。
2024-10-20 22:39:53
1068
下载Brainpy神经动力学编程框架，进行测试和之后学习
2024-10-15 10:35:30
1092
探究了环形数据的聚类分离的过程，从距离矩阵的高斯变换，到拉普拉斯矩阵特征分离。
2024-10-11 20:45:50
1131
角度和弧的转化，绘制多边形，绘制一个圆周率逼近的曲线
2024-10-02 22:46:23
743
matplotlib和plotly绘制基本的二维和三维图象。
2024-10-02 21:54:01
837
一个人可以被摧毁，但不能被打败。主要内容Matplotlib,Plotly如何绘制线图。
2024-09-29 06:42:58
576
矩阵运算的理解和可视化
2024-09-16 16:50:28
868
鸢尾花书的读书笔记
2024-09-03 16:35:31
616
脑电图的导联，一般判读原则，波的类型分析和识别，正常清醒的脑电图
2024-08-30 10:48:00
1679
说明：内容来自菜菜的sklearn机器学习和ai生成。
2024-08-23 17:56:58
987
交叉验证是用来观察模型的稳定性的一种方法，我们将数据划分为n份，依次使用其中一份作为测试集，其他n-1份作为训练集，多次计算模型的精确性来评估模型的平均准确程度。训练集和测试集的划分会干扰模型的结果，因此用交叉验证n次的结果求出的平均值，是对模型效果的一个更好的度量。一般的划分比例为70%训练集，15%验证集，15%测试集，但具体比例可以根据数据集的大小和任务需求进行调整。此外，对于交叉验证的使用sklearn的工具来进行数据划分，测试集和训练集在7:3的比例。
2024-08-08 13:13:35
621
1
eeg-图像的一个大规模数据集
2024-06-24 15:28:30
563
2
脑卒中的一些知识
2024-06-24 09:55:20
1038
RSS订阅