脑电信号分类处理相关问题

1.对于训练数据的输入：

对于input_shape,下面问题的解答很好的阐述了。

举个实例：

参考https://blog.csdn.net/shine302/article/details/79854109

python: model.add(LSTM(100, return_sequences=False, input_shape=(time_steps, n_features)))

参数解释：

1）每个脑电波信号都由time_steps（channel）个单元组成，而每个单元用n_features（time/采样点）维的向量表示。

*当经过一些特征处理方法（如fbcsp+特征提取）后，特征如从（157，20，2001）降维到（157，6）后，在输入网络训练时可以设置n_features=1(数据转换时用一个reshape函数即可)，即reshape后的数据为（157，6，1）【效果比reshape（157，1，6）好。。原理有点奇怪，大概是一组特征之间的相互关系】

2）return_sequences：布尔值，默认False，控制返回类型。若为True则返回整个序列，否则仅返回输出序列的最后一个输出

（未完）