脑电模型实战系列（四）：基于GAN和CGAN的脑电情绪识别 DEAP EEG， PyTorch 纯 GAN 实战：生成 DEAP EEG 特征向量（二）大家好！欢迎来到系列的第二篇。在上篇中，我们搞定了DEAP数据集的EEG特征预处理：归一化到[-1,1]区间，并用PCA/KernelPCA可视化了Arousal情绪分布（线性分离弱，非线性强）。今天，我们直奔主题：用PyTorch从零构建纯GAN（生成对抗网络），生成371维的EEG+生理特征向量。为什么GAN适合EEG数据增强？DEAP只有1280样本，情绪类别（如Arousal高/低）可能不平衡，GAN能“无监督”从噪声中生成新样本，扩充数据集、填补分布空白——完美解决小样本难题！