| dc.contributor.author |
Matias, Alexandre Herrero |
|
| dc.contributor.author |
Fantinato, Denis Gustavo |
|
| dc.date |
2026-02-26 |
|
| dc.date.accessioned |
2025-08-29 |
|
| dc.date.accessioned |
2026-02-28T01:11:46Z |
|
| dc.date.available |
2026-02-28T01:11:46Z |
|
| dc.identifier.uri |
https://doi.org/10.25824/redu/DXH8NU |
|
| dc.identifier.uri |
https://redu.unicamp.br/dataset.xhtml?amp;persistentId=doi:10.25824/redu/DXH8NU |
|
| dc.description |
Os dados apresentados referem-se ao desenvolvimento e aos resultados do projeto "Redes Riemannianas Profundas com Abordagem Temporal para Classificação em Sistemas de Interface Cérebro-Computador". Incluem cinco arquivos Jupyter Notebook (.ipynb): EEGNet - Implementação da solução utilizando o modelo EEGNet, este arquivo contempla a adição de atraso aos dados de EEG bem como seu treinamento e classificação. Generate_Delayed_Data - Este arquivo contempla a geração das matrizes de covariância bem como a adição de atraso, também permite a seleção entre as soluções de matrizes expandidas ou tensor. MDM - Implementação da solução utilizando o modelo MDM. SPDNet - Implementação da solução utilizando o modelo SPDNet. SPDNet-Par - Implementação da solução utilizando o modelo desenvolvido por nós, a SPDNet-Par. |
|
| dc.description.sponsorship |
Coordenação de Aperfeiçoamento de Pessoal de Nível Superior |
|
| dc.format |
application/x-ipynb+json |
|
| dc.format |
application/x-ipynb+json |
|
| dc.format |
application/x-ipynb+json |
|
| dc.format |
application/x-ipynb+json |
|
| dc.format |
application/x-ipynb+json |
|
| dc.publisher |
Matias, Alexandre Herrero |
|
| dc.subject |
Engineering |
|
| dc.title |
Dados relativos à dissertação: Redes riemannianas profundas com abordagem temporal para classificação em sistemas de interface cérebro-computador |
|
| dc.description.sponsorshipId |
CAPES: 001 |
|