2026计算机科学与技术一套基于源选择与对抗学习的跨被试 EEG 情绪识别方法研究与实现1.58-AI通过(论文+程序代码源码.py)定稿.zip

下载本文档

阅读 0
格式 zip
大小 5.57 MB
176文件
2026-06-25
收藏
评论
点赞(0)
海报
举报

收起资源包目录

璁＄畻鏈虹瀛︿笌鎶€鏈鍩轰簬婧愰€夋嫨涓庡鎶楀涔犵殑璺ㄨ璇 EEG 鎯呯华璇嗗埆鏂规硶鐮旂┒涓庡疄鐜?.58-AI閫氳繃.pdf(2.86 MB)
璇佹槑鏉愭枡
瀹為獙浠ｇ爜
- .idea
  - .gitignore(50 B)
  - inspectionProfiles
    - profiles_settings.xml(174 B)
  - misc.xml(188 B)
  - modules.xml(283 B)
  - workspace.xml(2.73 KB)
  - 瀹為獙浠ｇ爜.iml(452 B)
- Adver_network.py(426 B)
- main.py(10.09 KB)
- modules.py(7.75 KB)
- selection_domain_new.py(11.98 KB)
- snapshot
  - thesis_exp_gnn_meta_v1
    - comparison_summary.csv(176 B)
    - config.json(1.25 KB)
    - log.txt(24 B)
    - subject_summary.csv(2.27 KB)
    - target_1
      - blended_source_weights.npy(188 B)
      - confusion_matrix.png(37.92 KB)
      - epoch_metrics.csv(12.48 KB)
      - final_pred.npy(4.27 KB)
      - final_probs.npy(6.35 KB)
      - final_true.npy(4.27 KB)
      - source_selection.json(1.49 KB)
      - summary.txt(251 B)
      - tsne_pred_labels.png(71.2 KB)
      - tsne_true_labels.png(71.25 KB)
    - target_10
      - blended_source_weights.npy(188 B)
      - confusion_matrix.png(38.8 KB)
      - epoch_metrics.csv(12.8 KB)
      - final_pred.npy(4.27 KB)
      - final_probs.npy(6.35 KB)
      - final_true.npy(4.27 KB)
      - source_selection.json(1.49 KB)
      - summary.txt(252 B)
      - tsne_pred_labels.png(65.96 KB)
      - tsne_true_labels.png(64.98 KB)
    - target_11
      - blended_source_weights.npy(188 B)
      - confusion_matrix.png(38.98 KB)
      - epoch_metrics.csv(12.7 KB)
      - final_pred.npy(4.27 KB)
      - final_probs.npy(6.35 KB)
      - final_true.npy(4.27 KB)
      - source_selection.json(1.5 KB)
      - summary.txt(251 B)
      - tsne_pred_labels.png(77.24 KB)
      - tsne_true_labels.png(76.65 KB)
    - target_12
      - blended_source_weights.npy(188 B)
      - confusion_matrix.png(38.15 KB)
      - epoch_metrics.csv(12.93 KB)
      - final_pred.npy(4.27 KB)
      - final_probs.npy(6.35 KB)
      - final_true.npy(4.27 KB)
      - source_selection.json(1.49 KB)
      - summary.txt(252 B)
      - tsne_pred_labels.png(70.17 KB)
      - tsne_true_labels.png(68.91 KB)
    - target_13
      - blended_source_weights.npy(188 B)
      - confusion_matrix.png(37.43 KB)
      - epoch_metrics.csv(12.74 KB)
      - final_pred.npy(4.27 KB)
      - final_probs.npy(6.35 KB)
      - final_true.npy(4.27 KB)
      - source_selection.json(1.49 KB)
      - summary.txt(252 B)
      - tsne_pred_labels.png(73.44 KB)
      - tsne_true_labels.png(73.06 KB)
    - target_14
      - blended_source_weights.npy(188 B)
      - confusion_matrix.png(38.39 KB)
      - epoch_metrics.csv(13.47 KB)
      - final_pred.npy(4.27 KB)
      - final_probs.npy(6.35 KB)
      - final_true.npy(4.27 KB)
      - source_selection.json(1.49 KB)
      - summary.txt(253 B)
      - tsne_pred_labels.png(69.15 KB)
      - tsne_true_labels.png(67.85 KB)
    - target_15
      - blended_source_weights.npy(188 B)
      - confusion_matrix.png(39.06 KB)
      - epoch_metrics.csv(13.17 KB)
      - final_pred.npy(4.27 KB)
      - final_probs.npy(6.35 KB)
      - final_true.npy(4.27 KB)
      - source_selection.json(1.49 KB)
      - summary.txt(258 B)
      - tsne_pred_labels.png(64.49 KB)
      - tsne_true_labels.png(63.22 KB)
    - target_2
      - blended_source_weights.npy(188 B)
      - confusion_matrix.png(36.78 KB)
      - epoch_metrics.csv(13.01 KB)
      - final_pred.npy(4.27 KB)
      - final_probs.npy(6.35 KB)
      - final_true.npy(4.27 KB)
      - source_selection.json(1.49 KB)
      - summary.txt(252 B)
      - tsne_pred_labels.png(71.21 KB)
      - tsne_true_labels.png(70.98 KB)
    - target_3
      - blended_source_weights.npy(188 B)
      - confusion_matrix.png(36.83 KB)
      - epoch_metrics.csv(12.92 KB)
      - final_pred.npy(4.27 KB)
      - final_probs.npy(6.35 KB)
      - final_true.npy(4.27 KB)
      - source_selection.json(1.5 KB)
      - summary.txt(252 B)
      - tsne_pred_labels.png(71.69 KB)
      - tsne_true_labels.png(71.66 KB)
    - target_4
      - blended_source_weights.npy(188 B)
      - confusion_matrix.png(37.18 KB)
      - epoch_metrics.csv(12.91 KB)
      - final_pred.npy(4.27 KB)
      - final_probs.npy(6.35 KB)
      - final_true.npy(4.27 KB)
      - source_selection.json(1.49 KB)
      - summary.txt(252 B)
      - tsne_pred_labels.png(64.07 KB)
      - tsne_true_labels.png(63.48 KB)
    - target_5
      - blended_source_weights.npy(188 B)
      - confusion_matrix.png(36.52 KB)
      - epoch_metrics.csv(12.67 KB)
      - final_pred.npy(4.27 KB)
      - final_probs.npy(6.35 KB)
      - final_true.npy(4.27 KB)
      - source_selection.json(1.49 KB)
      - summary.txt(252 B)
      - tsne_pred_labels.png(66.75 KB)
      - tsne_true_labels.png(67.27 KB)
    - target_6
      - blended_source_weights.npy(188 B)
      - confusion_matrix.png(36.37 KB)
      - epoch_metrics.csv(12.65 KB)
      - final_pred.npy(4.27 KB)
      - final_probs.npy(6.35 KB)
      - final_true.npy(4.27 KB)
      - source_selection.json(1.49 KB)
      - summary.txt(252 B)
      - tsne_pred_labels.png(66.16 KB)
      - tsne_true_labels.png(67.03 KB)
    - target_7
      - blended_source_weights.npy(188 B)
      - confusion_matrix.png(38.66 KB)
      - epoch_metrics.csv(12.71 KB)
      - final_pred.npy(4.27 KB)
      - final_probs.npy(6.35 KB)
      - final_true.npy(4.27 KB)
      - source_selection.json(1.48 KB)
      - summary.txt(251 B)
      - tsne_pred_labels.png(67.94 KB)
      - tsne_true_labels.png(67.85 KB)
    - target_8
      - blended_source_weights.npy(188 B)
      - confusion_matrix.png(37.87 KB)
      - epoch_metrics.csv(12.28 KB)
      - final_pred.npy(4.27 KB)
      - final_probs.npy(6.35 KB)
      - final_true.npy(4.27 KB)
      - source_selection.json(1.49 KB)
      - summary.txt(249 B)
      - tsne_pred_labels.png(75.59 KB)
      - tsne_true_labels.png(75.82 KB)
    - target_9
      - blended_source_weights.npy(188 B)
      - confusion_matrix.png(36.81 KB)
      - epoch_metrics.csv(13.03 KB)
      - final_pred.npy(4.27 KB)
      - final_probs.npy(6.35 KB)
      - final_true.npy(4.27 KB)
      - source_selection.json(1.49 KB)
      - summary.txt(251 B)
      - tsne_pred_labels.png(67.97 KB)
      - tsne_true_labels.png(67.92 KB)
- solvers.py(43.8 KB)
- thesis_network.py(9.25 KB)
- utils.py(615 B)
- __pycache__
  - Adver_network.cpython-39.pyc(857 B)
  - modules.cpython-39.pyc(5.71 KB)
  - selection_domain_new.cpython-39.pyc(10.4 KB)
  - solvers.cpython-39.pyc(33.1 KB)
  - thesis_network.cpython-39.pyc(9.23 KB)
  - utils.cpython-39.pyc(907 B)
证明材料
- 02.中期检查.pdf(141.31 KB)
- 安徽农业大学学士学位论文（设计）开题报告.pdf(198.8 KB)

在线预览已结束，请下载后查看完整版，加入VIP享文档下载特权

1、当您付费下载文档后，您只拥有了使用权限，并不意味着购买了版权，文档只能用于自身使用.。
2、本站所有内容均由合作方或网友上传，本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺！文档内容仅供研究参考，付费前请自行鉴别。
3、如文档内容存在违规，或者侵犯商业秘密、侵犯著作权等，请点击“违规举报”。

碎片内容

2026计算机科学与技术一套基于源选择与对抗学习的跨被试 EEG 情绪识别方法研究与实现1.58-AI通过(论文+程序代码源码.py)定稿.zip

您可能关注的文档

发表评论取消回复

专业设计 + 关注: 机构认证
内容提供者

该用户很懒，什么也没介绍

收藏店铺进入空间

2026计算机科学与技术一套基于源选择与对抗学习的跨被试 EEG 情绪识别方法研究与实现1.58-AI通过(论文+程序代码源码.py)定稿.zip

2026计算机科学与技术一套基于源选择与对抗学习的跨被试 EEG 情绪识别方法研究与实现1.58-AI通过(论文+程序代码源码.py)定稿.zip

您可能关注的文档

发表评论取消回复

相关文档

热门下载

相关标签

2026计算机科学与技术一套 基于源选择与对抗学习的跨被试 EEG 情绪识别方法研究与实现1.58-AI通过(论文+程序代码源码.py)定稿.zip

2026计算机科学与技术一套 基于源选择与对抗学习的跨被试 EEG 情绪识别方法研究与实现1.58-AI通过(论文+程序代码源码.py)定稿.zip

您可能关注的文档

发表评论取消回复

相关文档

热门下载

相关标签

2026计算机科学与技术一套基于源选择与对抗学习的跨被试 EEG 情绪识别方法研究与实现1.58-AI通过(论文+程序代码源码.py)定稿.zip

2026计算机科学与技术一套基于源选择与对抗学习的跨被试 EEG 情绪识别方法研究与实现1.58-AI通过(论文+程序代码源码.py)定稿.zip