【文件属性】：
文件名称：EEG-Emotion-Recognition:使用AutoEncoder + CNN + RNN进行EEG数据处理和卷积
文件大小：3.3MB
文件格式：ZIP
更新时间：2021-05-17 19:33:41
JupyterNotebook
脑电情绪识别
HSE计算机科学学生项目
作者：Soboleva Natalia和Glazkova Ekaterina
脑电信号的准确分类可以为医学研究提供解决方案，以在早期阶段检测异常脑部行为以对其进行威胁。 在这项研究中，我们从另一个角度来看这个任务-情绪识别。 我们设计了卷积神经网络和递归神经网络的联合，使用自动编码器来压缩数据的高维数。
当前项目包括EEG数据处理，并使用AutoEncoder + CNN + RNN进行卷积
前处理
伪影-这是所有非脑源记录的活动的术语。 伪影可分为两类：生理伪影（来自大脑其他部位的虹膜，例如，身体）和外部生理伪影（例如，技术设备的北极）。
为了提取脑电图观察的最重要特征，必须进行预处理。 为了进行数据处理和可视化， 选择了用于人类神经生理数据（包括EEG）的开源Python软件。 在这一领域，有两种主要的最新方法可以处理EEG信号：小波变换和
【文件预览】：
EEG-Emotion-Recognition-master
----GRU_encoder_final.p(91KB)
----EEG.pdf(1.98MB)
----cnndecoder.p(61KB)
----GRU_autoencoder_final.p(503KB)
----RNN.ipynb(46KB)
----CNN_AE.ipynb(456KB)
----README.md(3KB)
----cnnencoder.p(59KB)
----CNN2_AE.ipynb(35KB)
----EEG.ipynb(822KB)
----Autoencoder.ipynb(8KB)