最近在搞GCN处理EEG，调查了十几篇文献，总结了一些东西，和学生分享一下，此处只分享一些较为浅显的知识。如下： GCN在其他领域的应用： 1、计算机视觉： 图卷积神经网络在计算机视觉中的应用包括图像分类、场景图、点云图和视觉推理等。 2、自然语言处理： 序列标注等单词级任务、文本分类等句子级任务 3、生物化学： 在生物化学领域,研究人员利用图卷积神经网络来研究分子化合物和蛋白质

脑机接口简介 脑机接口（Brain-computer interface，BCI）是一种能够将人脑神经活动转化为机器能够理解的信号的技术。它通过与人脑的神经系统进行交互，使人类可以通过思维和意愿来控制外部设备或与计算机进行交互。 脑机接口技术有很多应用，其中包括临床医学，帮助行动不便的人进行肢体运动控制；虚拟现实和游戏，使用户能够通过思维来控制虚拟角色或游戏操作；认知研究，用于研究人类的脑功能

前言： 哈喽，最近对清华大学脑机接口的数据进行了尝试，输入到了DL模型中，以下是本人对于清华BCI数据的个人见解。 数据地址： 清华大学脑机接口研究组 (tsinghua.edu.cn) 打开网站可以看到有很多个数据，官方对于每个数据都有介绍，但是只对于第一个数据：Benchmark Dataset官方所言最多，英文直接翻译就是基准数据集，下面的其他SSVEP数据都是对于该数据的变体，

科学家们已经完成了有史以来首次演示，该演示是由瘫痪者控制的“即插即用”的大脑假体。 该系统使用机器学习来帮助个人仅用大脑控制计算机界面。与大多数脑机接口(BCI)不同，该AI无需大量的日常培训即可工作。 这项研究的资深作者Karunesh Ganguly，加州大学旧金山分校神经病学系副教授，在一项声明中描述了这一突破： 近年来，BCI领域取得了长足的进步，但是由于必须每天对现有系统进行重置和重