如何在脑电应用的深度学习中实现分类问题?

2024-06-16 08:23:16 发布

您现在位置:Python中文网/ 问答频道 /正文

我是新手,想知道我应该如何为我的EEG应用程序实现一个分类问题。我做了一些挖掘,发现传统的基于EEG信号的机器学习方法总是考虑时域和/或频域的特征。类似地,我有频域(即功率谱密度)数据,我将使用这些数据作为特征。 我愿意将CNN架构用于带有Tensorflow库的神经网络。我对这件事的想法正确吗?我需要知道我应该从哪里开始,尽管我已经通过了一些深入的学习课程和教科书。 另外,根据以往的研究,采用方位等距离投影(AEP)技术将脑电信号转换为二维脑电图像。这是强制性的吗?难道我们不能把脑电图信号(2D矩阵)(csv文件)转换成图像文件吗?我们不能按原样使用矩阵并将其更改为图像吗


Tags: 数据方法机器应用程序信号分类矩阵特征