Sarah ~

原创 nas 使用

原创 tvb配置

添加：-i https://pypi.tuna.tsinghua.edu.cn/simple --trusted-host pypi.tuna.tsinghua.edu.cn。

原创 读取meg的.mat文件

import mneprint()

原创 读取ANT的.cnt文件（EEG）

ANT的.cnt读取

原创 mne自动配准得到trans文件

https://mne.tools/dev/auto_tutorials/forward/25_automated_coreg.html#sphx-glr-auto-tutorials-forward-25-automated-coreg-py

原创 Creating MNE-Python data structures from scratch

mat 转.fif。

原创 InfoNCE loss

InfoNCE loss的目标是最大化正样本之间的相似性得分，同时最小化负样本之间的相似性得分，从而促使模型学习到有意义的特征表示。通过优化InfoNCE loss，模型可以学习到对数据进行有效编码的特征表示，适用于自监督学习任务中的特征学习和表示学习。全称是"InfoNCE: Contrastive Estimation of Neural Entropy"，基于对比学习的思想，旨在最大化正样本的相似性，同时最小化负样本的相似性。Σ j≠i 表示对所有其他负样本的求和。exp() 表示指数函数。

原创 层归一化Layer Normalization

层归一化（Layer Normalization）是一种神经网络中常用的归一化技朧，用于在训练过程中加速收敛、稳定训练，并提高模型的泛化能力。与批归一化（Batch Normalization）类似，层归一化是一种归一化技朧，但是它是对每个样本的特征进行归一化，而不是对整个批次的特征进行归一化。其中，x是输入的特征向量，μ是特征向量的均值，σ是特征向量的标准差，γ和β是学习的缩放系数和平移系数，ϵ是一个很小的数用于稳定计算。每个样本的特征都被独立归一化，不受批次大小影响。

原创 大脑图谱-------

链接：https://www.lead-dbs.org/helpsupport/knowledge-base/atlasesresources/cortical-atlas-parcellations-mni-space/

原创 macOS 安装brew

https://mirrors4.tuna.tsinghua.edu.cn/help/homebrew/https://www.yii666.com/blog/429332.html

原创 每个epoch的溯源（MNE）

【代码】每个epoch的溯源（MNE）

原创 使用标准模板 MRI 根据 EEG 数据计算前向算子

【代码】使用标准模板 MRI 主题根据 EEG 数据计算前向算子。

原创 source localization by MNE

【代码】source localization by MNE。

原创 如何定量对比两个图分类数据集的分布

如果两个数据集的节点度分布差异较大，那么它们的分布差异也很可能较大。聚类系数是指一个节点的邻居节点之间的连边数占可能连边数的比例。我们可以计算两个数据集中节点的聚类系数，并进行对比。如果两个数据集中节点的聚类系数差异较大，那么它们的分布差异也很可能较大。如果两个数据集的图分类准确率差异较大，那么它们的分布差异也很可能较大。如果两个数据集中出现的子图的频率差异较大，那么它们的分布差异也很可能较大。这些指标可以帮助我们对比两个图分类数据集的分布，从而更好地了解它们之间的差异。（图片来自links ，侵删）

原创 CLIP模型资料学习

clip资料。

原创 子图垂直竖版-latex

t]\centering\centering\centering\centering\centering。

原创 【无标题】

import matplotlib.pyplot as pltimport numpy as nplabels = [‘A’, ‘B’, ‘C’, ‘D’]men_means = [20, 35, 30, 35]women_means = [25, 32, 34, 20]x = np.arange(len(labels))width = 0.35fig, ax = plt.subplots()rects1 = ax.bar(x - width/2, men_means, width, label=‘Men’

原创 列表按绝对值逆序排序，并保存下标 python

列表 python

转载 Ajax开发

Ajax开发（参考郭克华《Java EE 程序设计与应用开发（第二版）》）Ajax核心代码 <SCRIPT LANGUAGE="JavaScript"> function showInfo(){ var xmlHttp=new ActiveXObject("Msxml2.XMLHTTP");//步骤1 xmlHttp.open("get","info.jsp",true...

转载 JSP资源

https://www.baidu.com/link?url=NPDdlBw297o5f4RA3e69iGVpboL3ivc1iNxtSpYWIrQFg-No_5N2Ug5SFBaNwmP96pyIPKs__rF52aH16u9UUK&wd=&eqid=cd383b440000767e000000055cd954e3

原创 序列分类--基于LSTM

序列分类参考《21个项目玩转深度学习》from __future__ import print_functionimport tensorflow as tfimport randomimport numpy as np# ====================# TOY DATA GENERATOR# ====================#这个类用于产生序列样本c...

原创 利用tensorboard可视化cost

在cost后添加：cost = tf.reduce_mean(tf.pow(X - y_pred, 2)) # 最小二乘法tf.summary.scalar('cost', cost)在sess.run(init)后添加：with tf.Session() as sess: init = tf.initialize_all_variables() init = tf.g...

原创 数据预处理

训练的loss中出现nan，首先检查数据中是否包含nan快速检查数据中是否有nan:import tensorflow as tfimport numpy as npimport matplotlib.pyplot as pltimport scipy.io as sioimport osimport scipy.io as sioimport pandas as pdfro...

转载 Page?

(参考：https://mp.weixin.qq.com/s/whtJOrlegpWzgisYJabxOg)(turtle详细教程：https://www.cnblogs.com/bravestarrhu/p/8287261.html)from turtle import*def nose(x,y):#鼻子 （公众号：数据分析联盟） penup()#提起笔 goto(x,y...

原创 filename=文件夹名+filename (单个文件夹下的+Python)

改自：https://blog.csdn.net/xueaalei1/article/details/80941385# 自动修改文件夹下所有文件的文件名. 文件名=文件夹名+序号#import os, timefirstfolder =r"D:\个人信息"def changename(file): # 根据文件名改名. 改成 文件夹名+newname if os....

转载 Python基础3

（好气啊，整理了一下午，电脑卡了，就没了，都没有备份。。。不管了，反正是按照教程自己学了一遍，以下附上链接，各位看官自己按链接的来吧）1.filehttp://www.runoob.com/python3/python3-file-methods.htmla.打开文件方式（读写两种方式）https://www.jb51.net/article/45956.htmhttps://blog...

原创 Python 函数

Python 函数（菜鸟教程：http://www.runoob.com/python3/python3-function.html）（廖雪峰老师的Python教程：https://www.liaoxuefeng.com/wiki/0014316089557264a6b348958f449949df42a6d3a2e542c000/0014316784721058975e02b46cc45cb...

原创 Python 基础3

Python基础3（http://www.runoob.com/python3/python3-dictionary.html）1. dict字典字典是另一种可变容器模型，且可存储任意类型对象。a. 定义字典的每个键值(key=>value)对用冒号(:)分割，每个对之间用逗号(,)分割，整个字典包括在花括号({})中 ,格式如下所示：d = {key1 : value1, ke...

原创 python基础2

Python基础21. 列表list（https://www.liaoxuefeng.com/wiki/0014316089557264a6b348958f449949df42a6d3a2e542c000/0014316724772904521142196b74a3f8abf93d8e97c6ee6000）(http://www.runoob.com/python/python-lists....

原创 Python基础

1. 环境搭建a) anaconda环境配置https://blog.csdn.net/robinjwong/article/details/4362734b) 解释器https://www.liaoxuefeng.com/wiki/0014316089557264a6b348958f449949df42a6d3a2e542c000/0014316090478912dab2a3a9e8f...

原创 多层感知器（minist数据集）

多层感知器（minist数据集）（摘自《深度学习》）MLP神经网络计算模型最基本的组成成分是神经元（Neuron）模型,即简单单元unit。神经元可以表示为：其中Xi是来自第i个神经元的输入，y是输出，w是加权参数（连接权重），b为偏值（Bias）,f表示激活函数（Activation function）.经典人工神经网络本质上是解决两大类问题：1）分类classification，...

原创 自编码器（minist）

自编码器（minist数据集）（摘自《深度学习》）简要介绍自编码器是一种最经典的无监督网络，它是实现无监督数据特征提取的一种方法。无监督模型的泛化能力更强。在无监督学习中，希望模型可以提取数据内部的规律特征，其中一大特征是稀疏性（sparsity).稀疏性存在的最大意义是降维，数据具有稀疏性，那么模型需要提取的特征的数量就远比输入神经元数量要小。数据的稀疏性导致了模型的稀疏性。自编码器主...

原创 英文论文写作

英文论文写作（摘自《学术研究，你的成功之道》）1.要在论文中向读者展示一个强有力的逻辑论证论证一般遵循以下几个逻辑步骤;①研究问题对推动科学和工程知识的发展很重要②现有工作A,B，，，，已经完成了…方面的工作，但是这些方法存在一定的缺点。。③推出了一个新的理论/方法/设计/过程Z（你应该强调你的研究工作的新颖性，这是Z第一次被）提出来吗？Z的提出能带来什么影响？能带来惊人的效果吗？如果...

转载 第一个Tensorflow程序

#第一个TensorFlow程序TensorFlow的运行方式分为如下4步：（1）加载数据及定义超参数（2）构建网络（3）训练模型（4）评估模型和进行预测import tensorflow as tfimport numpy as np#构造满足一元二次方程的函数x_data=np.linspace(-1,1,300)[:,np.newaxis]noise=np.rando...

原创 TensorFlow从文件读取数据

##从文件中读取数据在TensorFlow中进行模型训练时,在官网给出的三种读取方式,中最好的文件读取方式就是将利用队列进行文件读取,而且步骤有两步:把样本数据写入TFRecords二进制文件从队列中读取TFRecords二进制文件,能够更好的利用内存,更方便的移动和复制,并且不需要单独的标记文件下面官网给出的,对mnist文件进行操作的code,具体代码请参考:tensorflow...

原创 卷积神经网络

#卷积神经网络CNN卷积神经网络的权值共享的网络结构显著降低了模型的复杂度，减少了权值的数量。神经网络的基本组成包括输入层、隐藏层和输出层。卷积神经网络的特点在于隐藏层分为卷积层和池化层。##padding卷积核在提取特征映射时的动作称为padding，其中有两种方式：不越过边缘取样称为Vaild Padding越过边缘取样称为Same Padding##卷积神经网络的发展Ale...

原创 TF模型加载与存储

#模型的存储与加载TF的API提供了两种方式来存储和加载模型:1.生成检查点文件，扩展名.ckpt,通过在tf.train.Saver()对象上调用Saver.save()生成。包含权重和其他在程序中定义的变量，不包含图结构。2.生成图协议文件，扩展名.pb，用tf.train.write_graph()保存，只包含图形结构，不包含权重，然后使用tf.import_graph_def()来加...

原创 TensorFlow基础

#批标准化批标准化（batch normalization,BN）是为了克服神经网络层数加深导致难以训练而诞生的。深度神经网络随着深度加深，收敛会越来越慢，会导致梯度弥散问题（vanishing gradient problem）。统计机器学习有一个ICS理论，这是一个经典假设:源域和目标域的数据分布是一致的。解决思路是根据训练样本和目标样本的比例对训练样本做一个矫正。###方法批标准化...

原创 TF常用API

#1.常用API1.图，操作和张量tf.Graph,tf.Operation,tf.Tensor2.可视化TensorBoard3.变量作用域在TF中有两个作用域（scope），一个是name_scope,另一个是variable_scope.他们有什么区别呢？variable_scope主要是给variable_name加前缀，也可以给op_name加前缀；name_scope是给...

原创 TensorFlow初学

#TensorFlow初学##基本概念###1.激活函数和成本函数激活函数（activation function):一般是非线性函数，就是每个神经元通过这个函数将原有的来自其他神经的输入做一个非线性变化，输出给下一层神经元。激活函数实现的非线性能力是前向传播很重要的一部分。成本函数（cost function）：损失值越小，结果越可靠。###2.有监督学习和无监督学习有监督学习：训练...