左对齐是l右对齐是r居中是c\begin{table}\centering\caption{\label{tab:widgets}Notation summary.}\begin{tabular}{l|l}⬅就是这里控制每一列的对齐方式Notation & Meaning \\\hlineWidgets & 42 \\Gadgets & 13\end{tabular}\en

import matplotlibmatplotlib.use('AGG')

EEGNet：A Compact Convolutional Network for EEG-based Brain-Computer Interfaces与DEEPCNN、shallow CNN相似（笔记），只是结构上略有不同。整个网络由三个部分组成，分别对应FBCSP中的带通滤波、CSP、特征选择。

from scipy import ndimageimport numpy as npa= np.array([[0,0,0,0],[0,1,0,0],[0,2,0,0],[1,0,0,0],[1,1,0,1],[1,2,0,1],[2,0,0,0],[2,1,0,0],[2,2,0,0]])b =.

参考论文：Thestudy ofc0complexityonepilepticabsenceseizuredef C0_complexity(single):'''计算C0复杂度'''x = fft(single)N = x.shape[0]avgx = np.average(x)# 计算幅度谱的平均值new_x = []for i in x:if abs(i) &g...

向量与基底对于二维向量u=[45]u=\begin{bmatrix} 4 \\ 5 \end{bmatrix}u=[45​]来说，一般默认其表示原点到坐标（4，5）的一条有向线段。这其实基于一个默认的前提：以ex=[10]e_x=\begin{bmatrix} 1 \\ 0 \end{bmatrix}ex​=[10​],ey=[01]e_y=\begin{bmatrix} 0 \\ 1 \end{

在matlab中要计算两个矩阵的相关系数只需调用corr2（）即可，但 python中好像没有对等的函数（主要是我没找到），因此根据公式实现，并与matlab的结果对比，发现结果一致。公式matlab文档那截的：matlab代码：python代码：...

一些概念和符号的定义表示类出现的先验概率。表示x出现条件下出现的概率，称为类别的后验概率，换言之就是x来自类的概率。表示在 类的条件下x的概率分布密度，即类模式x的概率密度，简称类概密。最小误判概率准则判决的一般形式对于两类问题显然这里可能会出现两种，一种是把实属w1类的模式判属为w2类，原因是这个模式在特征空间中散布到D2中，从而导致误判，这时的误判概率为：同理：...

判别分类结果好坏的一般标准：类内距离小，类间距离大。类内的准则函数设有待分类的模式集   在某种相似性测度基础上被划分为C类，类内距离准则函数定义为:(表示类的模式均值矢量。)我们的目标是令取最小，这种准则也称为误差平方和准则。显然，在样本集{}和类数给定的条件下，的值取决于模式类别的分划与类心的选取。还可以视情况使用加权类内距离准则。类间距离准则式中：...

报错代码torch_dataset = Data.TensorDataset(data_tensor=data, target_tensor=label)报错TypeError: __init__() got an unexpected keyword argument 'data_tensor'原因：时代变了，新版把输入变成了可变参数，直接输入即可正确写法torch_dataset = Data