2023年8月11日 · 图卷积神经网络（Graph Convolutional Network，GCN）是一种用于处理 图结构 数据的 深度学习 算法。 它扩展了传统的卷积神经网络（CNN）到图领域，可以对节点在图上的特征进行学习和预测。 GCN具有广泛的应用，包括社交网络分析、推荐系统、生物信息学等领域。 图 1 GCN概念图. 下面将详细介绍GCN的算法原理和步骤： GCN首先将图表示为邻接矩阵A和节点特征矩阵X。 邻接矩阵A描述了图中节点之间的连接关系，其中A (i, j)表示节点i和节点j之间是 …

In this paper, we propose EEG-GCN, a paradigm that adopts spatio-temporal and self-adaptive graph convolutional networks for single and multi-view EEG-based emotion recognition. With spatio-temporal attention mechanism employed, EEG-GCN can adaptively capture significant sequential segments and spatial location information in EEG signals.

2023年4月5日 · 本文的贡献有三个方面：1）我们提出了eeg-gcnn，一种新颖的用于eeg数据的gcnn模型，可以捕捉头皮电极之间的空间和功能连接；2）利用eeg-gcnn，进行了首次大规模评估上述假设；

2025年1月30日 · Spectral-based GCN can be applied to EEG signal analysis using frequency domain analysis of graph-structured data, which implements convolutional operations on topological graphs with the help of the theory of graph spectra, and uses the eigenvalues and eigenvectors of the Laplacian matrix of the graphs to study the properties of the graphs .

2023年9月1日 · MRGCN model incorporates complex brain networks and graph neural networks (GNN) for profound EEG emotion recognition. Use differential entropy to extract the complexity of EEG signals and to analyze the inner workings of emotion generation. We designed a long-distance and short-distance brain network to explore complex topological characteristics.

2025年2月1日 · We propose a hybrid approach combining Transformer and Graph Convolutional Network (GCN) techniques to enhance MI-EEG signal classification. The Transformer model is employed for pretraining to emphasize temporal dynamics, while the GCN is designed to capture spatial dependencies.

Resources for the paper titled "EEG-GCNN: Augmenting Electroencephalogram-based Neurological Disease Diagnosis using a Domain-guided Graph Convolutional Neural Network". Accepted for publication (with an oral spotlight!) at ML4H Workshop, NeurIPS 2020. - neerajwagh/eeg-gcnn

To solve the problem, we proposed a graph convolutional network with learnable electrode relations (LR-GCN), which learns the adjacency matrix automatically in a goal-driven manner, including using self-attention to forward update the Laplacian matrix and using gradient propagation to backward update the adjacency matrix.

2024年3月19日 · 该项目为基于GCN和LSTM深度学习的EEG情绪识别算法设计源码，包含42个文件，涵盖24个Python源文件、5个Python编译文件、4个XML配置文件、2个Markdown文件、2个文本文件、1个Git忽略文件、1个IntelliJ项目文件、1个...

在本文中，我们提出了 EEG-GCN，一种采用时空和自适应图卷积网络进行基于单视图和多视图 EEG 的情感识别的范例。 通过采用时空注意力机制，EEG-GCN 可以自适应地捕获 EEG 信号中的重要序列片段和空间位置信息。 同时，设计了自适应脑网络邻接矩阵来量化通道之间的连接强度，从而表示不同情绪场景下的不同激活模式。 此外，我们提出了一种基于多视图脑电图的情绪识别方法，该方法有效地整合了脑电图信号的不同特征。 在两个基准数据集 SEED 和 DEAP 上进 …