脑电情绪识别的学习过程

        本科是某985的计算机专业,大四做毕设的时候选到了情绪识别,没注意前面的脑电俩字,以为是写类似于人脸识别的东西。了解了之后才知道是,也是第一次接触脑电,当然深度学习的知识也没学过,信号处理方面的东西更没学过。

        总之就是一个脑电情绪识别方向的小白,啥也不会。

        老师大概也习惯了每年的学生啥都不懂(老师很尽职尽责),几乎就是每一步带着我们走的。前期就是多看看论文,综述类的那种论文,也不一定非要看英文的,看中文的文献综述就行。然后要注意学习深度学习,机器学习的知识。不过可能我比较菜,啥也没了解的情况下,看了很多综述性论文,什么特征提取方面的论文,看完就忘,啥也不记得。当时也有在准备复试,天天划水,也没咋好好看,后来毕设中期汇报的时候,导师提问的时候,已经四月份了,发现我们还是啥也不会。

         当时看的各种综述类的论文就不分享了,网上很容易找到,懒得找的也可以私聊我。

         当时老师给的任务就是一人找一份完整代码,把每一行写好注释,每一个函数的参数、返回结果、功能啥的都写上,把完整思路顺清了,给他讲一遍。当前因为啥也不会,真的一行一行百度,每一行都写好了注释。看完之后,其实还是比较稀里糊涂的,很多矩阵的维度变换都不太理解。

         也就是先看完的代码,然后开始配环境,配环境肯定也是pycharm加上anaconda。怎么配这个环境网上很多教程。我用的pytorch框架,配pytorch的时候,注意cuda版本,python版本,然后再配好pyg版本。配环境大概用了两天,能运行了,发现自己电脑跑不动,又去找导师要的服务器,重新配环境,重新跑。然后就要开始调参之类的,因为很多矩阵维度变换,或者其他步骤都不是很懂,就在每一步都都写上了print和shape,大概这样整了整整一天,总算把代码理解了。

        理解完一份代码就好多了,之后再看别的代码也轻松多了,对特征提取,模型部分也都熟悉多了,之后也不用再运行别的代码了,就是找代码,找论文,找论文的源码,直接看代码,看有没有可以学习的地方。

        然后开始自己写代码,自己写的时候,为了方便讲解,也是每一行都写满了注释,每一个变换下面都写满了print和shape。(感觉这份毕设很适合新手入门,如果能理解好思路,基本上就入门了)

详情可以看:(DEAP)基于图卷积神经网络的脑电情绪识别(附代码)https://blog.csdn.net/qq_45874683/article/details/118972012?spm=1001.2014.3001.5502

        图卷积的后面修改了很多,也就是自己最终的毕设了。

        通过这段时间(也就一个月的学习),学了很多脑电的知识,想着把脑电知识完善好,就一直慢慢的接着做了,各个模型,各种特征,各种数据处理方式,都去尝试了尝试。有兴趣的可以看我主页,里面包含了很多脑电的介绍。

        总之,像我一样的小白学脑电的话,就是看论文、看代码、好好的吃透一份代码,之后就会容易很多。

        学习过程中。例如脑电情绪识别:

脑电情绪识别的学习过程_第1张图片

脑电情绪识别的学习过程_第2张图片

你可能感兴趣的