GRU神经网络Python代码-Neural_Decoding: 包含多种解码神经活动方法的软件包

简介：
这是一个包含各种解码神经活动方法的Python软件包，专注于使用GRU（门控循环单元）神经网络进行高效的数据处理和模式识别。 GRU神经网络MATLAB代码用于解码神经活动：这是一个包含多种方法的Python软件包，旨在处理神经信号数据。该软件包结合了经典解码技术和现代机器学习技术。 对于回归任务，当前实现的方法包括维纳滤波器、维纳级联、卡尔曼滤波器、朴素贝叶斯分类器、支持向量回归（SVR）、XGBoost算法以及各种类型的神经网络如密集型神经网络、递归神经网络和GRU与LSTM。 对于分类任务，当前实现的方法包括逻辑回归、支持向量机（SVM）、XGBoost算法及上述提到的各种类型的人工神经网络。 最初设计该软件包主要是为了执行回归分析，并随后添加了分类功能。因此，文档中的说明、示例以及预处理功能主要针对回归应用场景进行了优化，尽管现在也适用于分类任务。我们正在逐步增加更多关于分类方法的支持与描述。 本项目还附带一份手稿和相关数据集，用于比较这些解码技术在不同神经信号数据集上的表现效果。如果您使用我们的代码或提供的数据进行研究，请引用该论文以示感谢。 所有用于撰写论文的源代码都保存在一个名为“Paper_code”的文件夹内，并且有详细说明。您可以下载手稿中使用的三个数据集（运动皮层、体感皮层和海马体），这些数据集同时提供MATLAB与Python格式版本，可在附带示例文件中直接调用使用。 安装此软件包可以通过命令行工具pip完成，只需在终端输入相应的指令即可。