baseline1-DeepConv

DeepConv

*模型出处：Deep learning with convolutional neural networks for EEG decoding and visualization 2017

模型结构

数据集

1. BCI competition IV dataset 2a（ 288 trials per subject）

2. 自采数据集（880 trials per subject）

对比实验

baseline：FBCSP

设计了两层的shallowConvNet和五层的DeepConvNet甚至最高到31层的ResNet以及深浅结合的网络。

超参

• batch_size: 100
• learning_rate: not mentioned
• epochs: not mentioned
• dropout: 0.5
• batch_normalization: True

结果

Highlights

• 这篇的出发点是围绕着如何将在图像领域的深度卷积网络运用在脑电数据上。
  首先，作者提出了脑电和图像的区别：图像是二维静态的，而脑电数据是在三维的头皮上获取的时序数据
  接着，作者还提出了，脑电数据相比于图像数据数量太少，需要进行裁剪，也就是分段，作者用的2s一段。
• 作者提出的DeepConv网络的Block1是专门为了提取脑电数据信息的：时间维度拼接空间维度
• 作者通过尝试对神经网络进行解释，得出结论：卷积网络学习了不同频段信息。
  我可以试着把数据先进行小波包分解再送进网络进行学习

我实现的DeepConv网络架构部分代码