一起运行脑电信号（EEG）源码（2）-deap dataset
第一肯定是搭建环境了
安装包，源码，数据集准备好。
在运行之前，先把环境平台搭好了，版本要对应。安装有问题也可以找我。软件安装包在这里，我用的版本在后面其他的自己搞：
链接：https://pan.baidu.com/s/1yaHdYBEXUsc7EUXBla3qPw
提取码：8vk1
环境安装包：
源码：
数据集
1、编辑器
支持python的编辑器很多了，好多人经常使用pycharm，但激活困难，还有很多了。
我自己喜欢vscode，重要是免费，简洁。
2、Python版本
这个会有点坑，虽然python版本很高了，目前3.9.6了，然而机器学习相关的库可没更新那么快，我建议不要用那么新，我用的是3.7.9版本。
3、库管理器
基本两个anacode和默认的pip，我用默认的pip就够了。
机器学习python库的话，我也不多废话了，每个库什么用，百度或者用到了，你就知道了
列一些基本的机器学习用到的库吧，后面带版本的，一定要一致，按指定版本安装
我列出了我的版本，都是pip安装
Microsoft Windows [版本 10.0.19044.2728]
(c) Microsoft Corporation。保留所有权利。C:\Users\liubin>pip list
Package Version
---------------------------- -------------------
absl-py 1.0.0
aiofiles 23.1.0
aiohttp 3.8.4
aiosignal 1.3.1
albumentations 1.3.0
altair 4.2.2
anyio 3.6.2
appdirs 1.4.4
argon2-cffi 21.3.0
argon2-cffi-bindings 21.2.0
astunparse 1.6.3
async-timeout 4.0.2
asynctest 0.13.0
attrs 21.4.0
backcall 0.2.0
beautifulsoup4 4.10.0
bleach 4.1.0
Braindecode 0.6
bs4 0.0.1
cached-property 1.5.2
cachetools 5.0.0
certifi 2021.10.8
cffi 1.15.0
charset-normalizer 2.0.10
click 8.1.3
colorama 0.4.4
coverage 5.3
cssselect 1.2.0
cycler 0.11.0
datasets 2.10.1
debugpy 1.5.1
decorator 5.1.1
defusedxml 0.7.1
dill 0.3.6
einops 0.6.0
entmax 1.1
entrypoints 0.4
fastapi 0.95.0
ffmpy 0.3.0
filelock 3.10.0
flatbuffers 2.0
fonttools 4.28.3
frozenlist 1.3.3
fsspec 2023.1.0
future 0.18.2
gast 0.5.3
gdown 4.6.4
gevent 21.12.0
google-auth 2.6.2
google-auth-oauthlib 0.4.6
google-pasta 0.2.0
gradio 3.22.1
greenlet 1.1.2
grpcio 1.44.0
h11 0.14.0
h5py 3.6.0
httpcore 0.16.3
httpx 0.23.3
huggingface-hub 0.13.2
idna 3.3
imageio 2.26.0
importlib-metadata 4.11.2
importlib-resources 5.4.0
ipykernel 6.9.1
ipython 7.32.0
ipython-genutils 0.2.0
ipywidgets 7.6.5
jedi 0.18.1
Jinja2 3.0.3
joblib 1.1.0
jsonschema 4.4.0
jupyter 1.0.0
jupyter-client 7.1.2
jupyter-console 6.4.3
jupyter-core 4.9.2
jupyterlab-pygments 0.1.2
jupyterlab-widgets 1.0.2
keras 2.8.0
Keras-Preprocessing 1.1.2
kiwisolver 1.3.2
latex2mathml 3.75.1
libclang 13.0.0
linkify-it-py 2.0.0
lxml 4.7.1
Markdown 3.3.6
markdown-it-py 2.2.0
MarkupSafe 2.1.0
matplotlib 3.5.1
matplotlib-inline 0.1.3
mdit-py-plugins 0.3.3
mdtex2html 1.2.0
mdurl 0.1.2
mistune 0.8.4
mne 0.24.1
multidict 6.0.4
multiprocess 0.70.14
munch 2.5.0
nbclient 0.5.12
nbconvert 6.4.2
nbformat 5.1.3
nest-asyncio 1.5.4
networkx 2.6.3
nltk 3.8.1
nose 1.3.7
notebook 6.4.8
numpy 1.21.5+mkl
oauthlib 3.2.0
opencv-python-headless 4.7.0.72
opt-einsum 3.3.0
orjson 3.8.7
packaging 21.3
pandas 1.3.5
pandocfilters 1.5.0
parsel 1.6.0
parso 0.8.3
pickleshare 0.7.5
Pillow 9.4.0
pip 23.0.1
pix2tex 0.0.29
pooch 1.6.0
pprint 0.1
prometheus-client 0.13.1
prompt-toolkit 3.0.28
protobuf 3.19.4
pyarrow 11.0.0
pyasn1 0.4.8
pyasn1-modules 0.2.8
pycparser 2.21
pydantic 1.10.6
pydub 0.25.1
pyeeg 0.4.4
Pygments 2.11.2
pynput 1.7.6
pyparsing 3.0.6
PyQt5 5.15.9
PyQt5-Qt5 5.15.2
PyQt5-sip 12.11.1
PyQtWebEngine 5.15.6
PyQtWebEngine-Qt5 5.15.2
pyrsistent 0.18.1
PySocks 1.7.1
python-dateutil 2.8.2
python-multipart 0.0.6
python-whois 0.7.3
pytz 2021.3
PyWavelets 1.3.0
pywin32 303
pywinpty 2.0.5
PyYAML 6.0
pyzmq 22.3.0
qtconsole 5.2.2
QtPy 2.0.1
qudida 0.0.4
regex 2022.10.31
requests 2.27.1
requests-oauthlib 1.3.1
responses 0.18.0
rfc3986 1.5.0
rsa 4.8
scikit-image 0.19.3
scikit-learn 1.0.2
scipy 1.7.3
screeninfo 0.8.1
seaborn 0.11.2
selenium 3.141.0
Send2Trash 1.8.0
setuptools 47.1.0
six 1.16.0
sklearn 0.0
skorch 0.11.0
sniffio 1.3.0
soupsieve 2.3.1
starlette 0.26.1
tabulate 0.8.9
tensorboard 2.8.0
tensorboard-data-server 0.6.1
tensorboard-plugin-wit 1.8.1
tensorflow 2.8.0
tensorflow-io-gcs-filesystem 0.24.0
termcolor 1.1.0
terminado 0.13.3
testpath 0.6.0
tf-estimator-nightly 2.8.0.dev2021122109
threadpoolctl 3.1.0
tifffile 2021.11.2
timm 0.5.4
tokenizers 0.12.1
toolz 0.12.0
torch 1.13.1
torchvision 0.14.1
tornado 6.1
tqdm 4.63.0
traitlets 5.1.1
transformers 4.27.1
typing_extensions 4.5.0
uc-micro-py 1.0.1
urllib3 1.26.8
uvicorn 0.21.1
w3lib 2.0.1
wad 0.4.6
wcwidth 0.2.5
webencodings 0.5.1
websocket 0.2.1
websocket-client 1.3.1
websockets 10.4
Werkzeug 2.0.3
wheel 0.37.0
widgetsnbextension 3.5.2
wrapt 1.14.0
x-transformers 0.15.0
xxhash 3.2.0
yarl 1.8.2
zipp 3.7.0
zope.event 4.5.0
zope.interface 5.4.0C:\Users\liubin>
今天找到和运行一篇论文和源码，感兴趣欢迎交流
今天找到和运行一篇论文和源码，感兴趣欢迎交流
可惜没有对应论文，看看能不能改出来一篇。
主要讲：
这是一个基于Deep Learning的情感识别项目，主要针对EEG数据。该项目使用DEAP数据集，该数据集包含32个志愿者对40个音乐视频的情感评级、生理记录和面部视频。EEG和生理信号被记录下来，并且每个参与者也对视频进行了评价。对于单个参与者，数据被细分为标签数组和eeg_data数组。
该项目的主要步骤包括：
1、将数据提取为特征向量，从而将eeg_data维度降至(320,32)。
2、进行各种预处理技术，如计算标准偏差和平均值以减少特征空间。对于标签，应用单独的预处理技术，将其维度降至（32.50）。
3.通过两种神经网络架构进行前向传递和反向传递，并使用最终输出进行成本计算。
4.最终输出被平铺以获得单个成本值。
5.两种方法都输出最可能的情感类别。
该项目的关键点包括：
1.提取10个参与者的EEG数据，然后将其转换为特征向用作训练数据。
2.从头开始创建了前向和后向传递，使用tanh和sigmoid作为激活函数。
3.迭代次数为50，000次，学习率为0.3。
4.采用valence-arousal模型进行分类。
5.基于该模型，可以使用该方法检测到5种情感类别。
主要函数
def build_classifier(num_layers = 1):classifier = Sequential()#First Layerclassifier.add(Dense(units = 124, kernel_initializer = 'uniform', activation = 'relu', input_dim = 32, kernel_regularizer=regularizers.l2(0.01))) # L2 regularizationclassifier.add(Dropout(0.5))# Intermediate Layersfor itr in range(num_layers):classifier.add(Dense(units = 124, kernel_initializer = 'uniform', activation = 'relu', kernel_regularizer=regularizers.l2(0.01))) # L2 regularizationclassifier.add(Dropout(0.5)) # Last Layerclassifier.add(Dense(units = 4, kernel_initializer = 'uniform', activation = 'softmax'))classifier.compile(optimizer = 'rmsprop' , loss = 'categorical_crossentropy', metrics = ['accuracy'])return classifier
这是一个Python函数，它返回一个具有可变隐藏层数（由参数num_layers指定）的神经网络模型。该模型具有32个神经元的输入层，4个神经元的输出层（带有softmax激活函数），每个隐藏层由124个神经元组成，使用ReLU激活函数。
该函数在每个隐藏层之后使用dropout正则化（比例为0.5），以防止过度拟合。它还对每个隐藏层的权重应用L2正则化（系数为0.01），有助于减少大权重的影响，并且也可以防止过度拟合。
该模型使用RMSprop优化器在训练期间最小化分类交叉熵损失函数。还监视训练期间的模型准确度作为指标。
**数据集：**deap dataset
**算法：**valence-arousal模型
**准确率：**80%
我的数据集
我的源码
运行过程：
一起运行脑电信号（EEG）源码（2）-deap dataset相关推荐
- 基于51单片机运行RTX51 Tiny操作系统源码模板之1.LED闪烁
什么是RTX51 Tiny: RTX51 Tiny是一种实时操作系统(RTOS),可以用它来建立多个任务(函数)同时执行的应用.能灵活的调度系统资源,像CPU和存储器,并且提供任务间的通信.RTX51 ...
- Android实现手部检测和手势识别（可实时运行，含Android源码）
Android实现手部检测和手势识别(可实时运行,含Android源码) 目录 Android实现手部检测和手势识别(可实时运行,含Android源码) 1. 前言 2. 手势识别的方法 (1)基于多 ...
- laravel $request 多维数组取值_Laravel 运行原理分析与源码分析,底层看这篇足矣
精选文章内容 一.运行原理概述 laravel的入口文件 index.php 1.引入自动加载 autoload.php 2.创建应用实例,并同时完成了: 基本绑定($this.容器类Containe ...
- 深入理解Spark 2.1 Core （五）：Standalone模式运行的原理与源码分析
概述 前几篇博文都在介绍Spark的调度,这篇博文我们从更加宏观的调度看Spark,讲讲Spark的部署模式.Spark部署模式分以下几种: local 模式 local-cluster 模式 Sta ...
- 在运行hadoopdb\hive\hadoop源码时不能正确调用自定义core-site.xml等配置文件
一 前言 在hadoopdb\hive\hadoop源码中,会有很多的测试主程序 ,而这些测试主程序通常都要用到configuration,即 new JobConf(conf)时初始化configu ...
- 2023年2.14情人节最浪漫的表白烟花，送给自己的脑婆（源码）
先介绍下 Pygame 绘制烟花的基本原理,烟花从发射到绽放一共分为三个阶段: 1,发射阶段:在这一阶段烟花的形状是线性向上,通过设定一组大小不同.颜色不同的点来模拟"向上发射" ...
- android 源码编译 模拟器emulator启动,Android 模拟器运行编译后的源码
下载Android源码以及如何编译,这里就不多介绍了,照着www.android.com给的步骤进行,主要介绍一下使用make命令编译好了源码之后,如何使用模拟器来运行生成的镜像之类的文件. 方式应该 ...
- JSP 编译和运行过程与JSP源码简单分析
JSP 编译和运行过程与JSP转移源码简单分析 Web容器处理JSP文件请求的执行过程主要包括以下4个部分: 1. 客户端发出Request请求 2. JSP Container 将JSP转译成Ser ...
- 百度离线地图示例之十三：动态运行轨迹实现(附源码)
前言介绍: 主要是基于v3.0的API版本进行的离线,纯内网可操作,基本上实现了现有90%以上的功能点,能兼容jpg和png格式的瓦片图层,实现了原生和基于Vue两个版本(包含常用的55个示例),文末 ...
最新文章
- Mybatis实现多对多关联组合查询
- WPF Layout System
- matlab拟合未定义函数或变量,关于matlab的未定义函数或变量的问题
- netapp 2个控制器spare盘分配
- 云计算的概念_近500亿资金汹涌出逃！云计算概念龙头抛压沉重，科技股资金出逃名单出炉...
- linux日志搜索关键词_linux中的实用技巧和快捷键总结
- Openwrt笔记-1-校园网连接
- asp.net Ajax表单提交 二种方式数据处理 asp.net
- 【项目】ARX程序开发：框裁直线（Rect Trim Line）功能开发
- 树莓派python开发教程_树莓派Raspberry开发从基础到进阶视频+设计资料超详细教程下载...
- Docker 踩坑之一：Error response from daemon: write *** : no space left on device
- 代码获取DEP按钮及获取DEP控件
- 快速搭建简单图床 - 远程访问本地搭建的EasyImage图床【内网穿透】
- Hadoop面试连环炮
- 学英语《每日一歌》之take me to your heart
- 面试时如何谈自己的兴趣爱好
- 人生感悟：他们这样爬出烂泥般的人生
- python123空气质量提醒_用Python实现给女朋友定时推送消息
- 支付宝沙箱环境+SpringBoot+内网穿透整合开发
- 专业人士告诉你数据分析师适合女生吗？