类脑计算的理理念与实践黄铁军 北京大学信息科学技术学院 计算机科学技术系 数字视频编解码技术国家工程实验室

上交的seed数据集，研究较少，下面是收集的一些工程文件，可以学习一下。前面是算法，后面是准确率。 1.4D-CNN，94% 2、新算法，93% 3.rgnn，67% 4.CNN+SVM，73% 5.DANN（数据，代码） 6.EEG_Classification_-master 7.rgnn，67.7%8.CNN-SVM，73%

lpvg有限穿越可视图在脑癫痫信号方面的应用举例

可用于计算两者之间的相关性，可用于脑电信号和肌电信号等

matlab脑电功率谱代码脑电图的网络动力学测度 Rosch等人（2017）随附的代码：健康和癫痫性发展中大脑的网络动力学。 该存储库包含可用于重现分析以识别不同静态EEG模式之间网​​络动态差异的代码。 该代码用于上述手稿，以描述网络动力学异常，该异常表征了两种严重的早期婴儿严重癫痫综合症，即Ohtahara综合征和West综合征/小儿痉挛。 运行代码时，您需要下载并解压缩文件夹，并在ee_housekeeping函数中定义家庭文件夹。 该代码在Matlab上运行（已通过2016b测试），并且需要多个工具箱才能运行： -根据现有傅立叶频谱生成综合时间序列（包含在此回购协议中） -估计二维图像的清晰度（包含在此版本库中） -提供不同的调色板（包含在此仓库中） -在缓慢的计算步骤中轻松可视化进度（包含在此回购中） -对于EEG信号的过滤，此代码依赖于作为标准SPM分发的一部分提供的现场旅行； 可以很容易地用您选择的另一种过滤方法代替（此处不包括SPM ） 此存储库中包含的自定义例程 该资料库包括许多不同的例程，这些例程可以手动运行，以说明针对上述手稿执行的不同分析步骤。 其中大多数将产生

脑电信号分析与特征提取 指导教师: 童基均 老师 学 生: 叶建伟 班 级: 03电子（2）班 浙江理工大学信息电子学院 2007.1.17

脑与认知科学期末课程考核大论文

为实现眼电伪迹的自动去除，提高算法的有效性和稳健性，提出一种眼电伪迹自动去除算法。采用样本熵和一种通用的伪迹判决方法对眼电伪迹进行自动识别，通过脑电信号的重构实现眼电伪迹的去除。实验结果表明，对于不同长度的真实脑电信号，该算法均能准确地去除眼电伪迹，较好地保留其他的脑电信号成分，且可以完全自动地去除眼电伪迹，适用于实时场合。

论文研究-脑研究的系统科学.pdf, 从系统观点分析脑研究现状，指出：尽管脑具有复杂的多层次结构，但脑的功能在于为机体的生存进行信息处理和调节控制，脑研究主要应解决系统水平的问题，应用系统观点和综合方法是脑研究的迫切要求，而且已有不少脑科学家认识到用系统方法研究脑的必要性．接着对我们在用综合建模方法进行的脑研究实践作了简介，最后论述了用系统方法进行脑研究也将促进系统科学的发展

信号分解的matlab代码稀疏2DCCA 用法：只需在MATLAB中运行demo.m文件。 我已使用MATLAB 2017b版本成功运行了这些脚本。 如果您在运行此模拟设置时遇到任何问题，请提出问题。 我将尝试尽快做出回应。 如果您使用提供的MATLAB代码，请引用本文 Muhammad Ali Qadar，AbdeldjalilAïssa-El-Bey，Abd-Krim Seghouane，通过惩罚矩阵分解进行的二维CCA，用于结构保存的fMRI数据分析，数字信号处理，第92卷，2019年，第36-46页，2019年。 可以在这里访问本文 感谢Navid Shokouhi在此代码开发过程中提供的帮助。