qq_57396767的博客

原创 Heterogeneous Riemannian Few-Shot Learning Network论文笔记

然后，原型特征和查询样本特征分别映射到三种黎曼流形，每个流形通过各自的核函数映射到对应的再生核希尔伯特空间，并在这些空间中计算样本对的距离。提出了一种基于正交约束神经网络的子空间学习方法：这个是III.D 部分，作者认为之前的参数优化方法无法完成端到端学习，同时可扩展性差，因此利用Cholesky分解和QR分解来保证被优化参数在反向传播优化后的正交性。而NNSL中的U又是三种流形距离计算所使用的U的拼接，即。作者提出NNSL的原因是，作者认为现有的优化方法，无法完成端到端的学习，对数据泛化能力也比较弱。

原创 MAtt: A Manifold Attention Network for EEG Decoding阅读笔记

本研究提出了一种基于流形注意力(MAtt)的几何深度学习框架，用于EEG信号解码。该模型通过跨欧几里得和黎曼空间捕捉EEG时空特征，采用对数欧式度量(LEM)计算准则，并创新性地引入加权流形点计算。实验验证表明，MAtt在多种EEG数据集上优于主流深度学习方法。通过神经科学视角的模型解释，研究不仅验证了已知脑电特征，还揭示了大脑动态活动的新视角。模型的核心MAtt模块基于测地线距离计算注意力权重，并在斯蒂菲尔流形上进行参数优化。可视化分析证实了模型结果与神经科学理论的一致性，并展现了运动想象任务中的时频特征

原创 国科大人工智能第19次作业

这应该是最后一次的作业了。雷震老师的人工智能考试还是很简单的，也是开卷的，祝大家都取得一个满意的成绩。ps：老师在期末将近时也会发期末复习资料哒。

原创 国科大人工智能第14次作业

这次作业有点麻烦，但建议学会，因为好像必考！（不一定是原题，思想是一样的）

原创 国科大人工智能第13次作业

原创 国科大人工智能第12次作业

原创 国科大人工智能第11次作业

原创 国科大人工智能第10次作业

原创 国科大人工智能第九次作业

原创 国科大人工智能第八次作业

原创 国科大人工智能第七次作业

原创 国科大人工智能第六次作业

原创 国科大人工智能第四次作业

内容见资源绑定。

原创 国科大人工智能第五次作业

原创 国科大人工智能第三次作业

原创 EEG解码领域SDK-Braindecode

Braindecode是一个基于PyTorch的脑电信号深度学习开发套件，专为脑机接口、神经疾病诊断等研究设计。它提供数据加载、预处理、模型训练全流程支持，内置EEGNet等经典网络结构和标准化实验流程。主要特点包括：与MNE无缝集成的预处理模块、高效的窗口化切片功能、sklearn风格的训练接口，以及跨库兼容能力。典型应用包括运动想象分类、癫痫检测和注意力监测等。相比传统工具，Braindecode显著简化了EEG深度学习研究流程，但实时处理支持较弱。实验表明，使用该工具可在1分钟内完成运动想象四分类训练

原创 国科大人工智能作业2

原创 国科大人工智能作业一

作业一主观性较大，没有绝对的对错。