摘要： 6. Disscusion 6.1. Ablation study 消融实验从两部分展开：1）关于 DBPM 组件的消融（Ablation Study about DBPM）2）关于训练策略的消融（Ablation Study about Training Strategy） 1）关于 DBPM 组 阅读全文

摘要： 4.Method 图5是整体框架和流程 整体分析 首先上面的绿色小人表示源域数据，带有情绪标签；而下面一行的蓝色小人是目标域数据，没有标签。 Density-Based Subdomain Information先在每个域内部找子域结构：作者用DBSCAN在源域样本中挖掘出了若干个密度簇，这些簇就是 阅读全文

摘要： 2. Related work 2.1. EEG-based emotion recognition with transfer learning methods 前人方法中的缺陷：为了解决情绪识别中的个体差异问题，研究者常采用迁移学习方法来最小化不同个体所提取特征分布之间的差异，从而提升基于 EE 阅读全文

摘要： 一些函数的用法 transforms.RandomResizedCrop(resize, scale=(0.5, 1.0)) 理解：从0.5~1.0中随机选一个数（比如 0.7），然后把原图的面积缩放至 “原图面积 ×0.7”，在缩放后的图像上，随机选一个位置进行裁剪，这个裁剪大小为resize×r 阅读全文

摘要： 4.实验设置&数据集 4.1数据集设置 该研究使用了三个公开EEG情绪识别数据集：DEAP、SEED、SEED-IV DEAP数据集 字段 内容 说明 Dataset DEAP 一个经典的情绪识别EEG数据集（Database for Emotion Analysis using Physiolog 阅读全文

摘要： 0.论文信息总览 1.论文核心问题 （1）引入： 近年来，生成式人工智能（Artificial Intelligence for Generative Content, AIGC）的融入，已成为生成合成脑电图（EEG）数据的一种复杂且高效的方法。AIGC 技术能够借助先进的生成模型（如生成对抗网络（ 阅读全文

摘要： 内容补充：在上一节的Multi-Head Attention模块中，完成了自注意力值的计算： 而该步骤总结为： 1.计算查询矩阵\(Q\)与键矩阵\(K\)的点积\(Q \cdot K^T\),求得相似值，称为分数； 2.将\(Q \cdot K^T\)除以键向量维度的平方根\(\sqrt{d_k} 阅读全文

摘要： 前言：写博客记录我的学习过程，该笔记代码来源：【注意力机制与输出预测（LLM：从零到一）【5】】 https://www.bilibili.com/video/BV1fr421s7Kp/?share_source=copy_web&vd_source=223740e4230bb50e6f2bd500 阅读全文