- 博客(2)
- 收藏
- 关注
RSS订阅原创 搭建CNN、LSTM、CNN-LSTM和CNN-LSTM-Attention训练EEG数据
本文搭建并对比了四种深度学习模型在SSVEP脑电信号分类任务中的表现。CNN模型采用时间→空间→时间的混合卷积策略，通过分层池化压缩时间维度；LSTM模型专注于时序依赖性，使用单向LSTM处理时间序列；CNN-LSTM模型结合了CNN的空间特征提取和LSTM的时序建模能力；CNN-LSTM-Attention模型进一步引入多头注意力机制，通过通道和时间注意力增强关键特征。实验基于清华大学开源SSVEP脑电数据，输入维度为(1,9,500)，包含6个被试的数据。
2025-12-09 21:27:36
663
原创 如何使用卷积神经网络CNN训练清华ssvep范式的脑电数据集
本文实现了一个基于CNN的SSVEP脑电信号分类系统。系统使用清华大学的SSVEP数据集，包含6名被试的脑电数据，采用8-64Hz带通滤波预处理后，选取枕区9个通道500个采样点作为输入。网络结构包含4个卷积块和2个全连接层，采用6折交叉验证进行训练评估。实验提供了详细的训练曲线和混淆矩阵可视化。项目代码和数据集已开源，包含完整的预处理、模型训练和评估流程。
2025-12-01 20:35:09
312
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人