摘要：
TensorFlow中有很多函数涉及到axis，比如tf.reduce_mean(),其函数原型如下： 其中axis表示的是，对该维度进行求均值（默认情况下，是对所有值求均值）。除了TensorFlow中,numpy中也经常遇到很多对矩阵操作的函数会涉及axis操作。比如np.mean(),其函数原 阅读全文
摘要：
在Storm中，多个地方使用了IOutputCollector收集器接口，收集器OutputCollector的接口就是IOutputCollector。所以有必要对接口IOutputCollector进行解读和分析.IOutputCollector的源码如下： IOutputCollector 默 阅读全文
摘要：
Nimbus里的数据结构，比如nimbus-data 阅读全文
摘要：
控制反转(Inversion of Control)缩写：IoC是面向对象编程中框架级别里的一个重要的概念， 可以说Spring框架的核心就是基于IoC原理的。 这个概念到底是什么呢？ 这么讲吧，一个系统的运作肯定不是简单的几个类就可以实现的，它往往需要多个类的合作来实现业务逻辑 。这就使得每个对象 阅读全文
摘要：
@ "toc" 本分享为脑机学习者Rose整理发表于公众号：脑机接口社区(微信号：Brain_Computer).QQ交流群1：903290195(已满，请加群2)，群2：941473018 介绍 眼动，眨眼，肌肉，心脏和线的噪音会严重污染脑电图活动，这在脑电解释和分析中会产生非常严重问题。研究人员 阅读全文
摘要：
[toc] 本分享为脑机学习者Rose整理发表于公众号：脑机接口社区(微信号：Brain_Computer).QQ交流群：903290195 简单介绍脑信号控制机器人相关的知识 利用大脑信号来控制机器人是人机交互中的一个非常有意思和有意义的研究。尽管根据目前的技术，捕捉和识别这些信号是一个相当大的挑 阅读全文
摘要：
[TOC] 本分享为脑机学习者Rose整理发表于公众号：脑机接口社区(微信号：Brain_Computer).QQ交流群：903290195 Rose小哥今天介绍一下用LSTM来处理脑电数据。 LSTM 原理介绍 LSTMs(Long Short Term Memory networks，长短期记忆 阅读全文
摘要：
[toc] 本分享为脑机学习者Rose整理发表于公众号：脑机接口社区(微信号：Brain_Computer).QQ交流群：903290195 在开始脑电(EEG)数据收集和分析之前，一定要确保你的数据尽可能的干净，这意味着收集的数据只是反映了大脑的活动。理论上听起来很简单，但实际上要注意“但是”。由 阅读全文
摘要：
[toc] 本分享为脑机学习者Rose整理发表于公众号：脑机接口社区(微信号：Brain_Computer).QQ交流群：903290195 什么是EEG(脑电图)？ 脑电图(EEG)是一种生理学方法，用来记录大脑通过放置在头皮表面的电极产生的电活动。 为了更快的应用，电极被安装在与浴帽类似的弹性帽 阅读全文
摘要：
@ "toc" 本分享为脑机学习者Rose整理发表于公众号：脑机接口社区(微信号：Brain_Computer).QQ交流群：903290195 导读 目的：颅内脑电图（iEEG）指导癫痫手术的有效性取决于iEEG电极的植入位置。该决定是通过非侵入性记录方式（例如头皮脑电图）得出的。因此作者提出了一 阅读全文
摘要：
[toc] 本分享为脑机学习者Rose整理发表于公众号：脑机接口社区(微信号：Brain_Computer).QQ交流群：903290195 导读 脑机接口(BCI)是一种通信系统，通过将大脑信号转换成机器指令，帮助用户与外部环境进行交互。脑电信号的可用性和可靠性使其成为脑机接口最常用的方法。许多基 阅读全文
摘要：
[toc] 本分享为脑机学习者Rose整理发表于公众号：脑机接口社区(微信号：Brain_Computer).QQ交流群：903290195 癫痫介绍 癫痫，即俗称“羊癫风”，是由多种病因引起的慢性脑功能障碍综合症，是仅次于脑血管病的第二大脑部疾病。癫痫发作的直接原因是脑部神经元反复地突发性过度放电 阅读全文
摘要：
@ "toc" 本分享为脑机学习者Rose整理发表于公众号：脑机接口社区(微信号：Brain_Computer).QQ交流群：903290195 简介 首尔国立首尔大学医学院的科研人员介绍了一种新的混合SSVEP P300 拼写器(speller)，该拼写器能够产生双频SSVEP，在解决信息传输率( 阅读全文
摘要：
[toc] 本分享为脑机学习者Rose整理发表于公众号：脑机接口社区(微信号：Brain_Computer).QQ交流群：903290195 简介 近年来，深度学习方法的快速发展使得无需任何特征工程的端到端学习成为可能，这有利于BCI运动想象应用的发展。慕尼黑工业大学和澳大利亚研究发展团队(Rese 阅读全文