Dados relativos à dissertação: Redes riemannianas profundas com abordagem temporal para classificação em sistemas de interface cérebro-computador

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.