matlab实现cnn处理脑电信号代码

以下是一个使用 MATLAB 实现 CNN 处理脑电信号的示例代码：

% 加载数据
load('EEGdata.mat')

% 处理输入数据
inputData = permute(EEG, [2 3 1]);
inputData = reshape(inputData, [], size(inputData, 3));
meanData = mean(inputData, 2);
stdData = std(inputData, [], 2);
inputData = bsxfun(@minus, inputData, meanData);
inputData = bsxfun(@rdivide, inputData, stdData);

% 处理输出标签
outputLabel = categorical(repmat(1:4, [1 15]));
outputLabel = repmat(outputLabel, [1 5]);

% 定义 CNN 模型
layers = [
    imageInputLayer([14 32 1])
    
    convolution2dLayer(3, 64, 'Padding', 1)
    reluLayer()
    maxPooling2dLayer(2, 'Stride', 2)
    
    convolution2dLayer(3, 128, 'Padding', 1)
    reluLayer()
    maxPooling2dLayer(2, 'Stride', 2)
    
    convolution2dLayer(3, 256, 'Padding', 1)
    reluLayer()
    maxPooling2dLayer(2, 'Stride', 2)
    
    fullyConnectedLayer(1024)
    reluLayer()
    dropoutLayer(0.5)
    
    fullyConnectedLayer(4)
    softmaxLayer()
    classificationLayer()
];

% 训练 CNN 模型
options = trainingOptions('adam', ...
    'MaxEpochs', 50, ...
    'MiniBatchSize', 256, ...
    'ValidationData', {inputData, outputLabel}, ...
    'ValidationFrequency', 10, ...
    'Plots', 'training-progress');
net = trainNetwork(inputData, outputLabel, layers, options);

此代码使用了一个简单的 CNN 模型来处理 14 通道、32 个时间点的脑电信号数据，输出为 4 类情绪标签。训练过程使用了 Adam 优化器，最大训练轮数为 50，批大小为 256，每隔 10 轮进行一次验证，并在训练过程中绘制训练进度图。