eeg_data:128通道脑电数据
delay:时间延迟
dimension:嵌入维度
“““
n_els，n_samples=eeg_data。shape
#。。。重构算法
returnphase_space
#步骤2:吸引子识别
defidentify_attractor:
“““
识别大脑状态的吸引子位置
返回:吸引子中心坐标和吸引域半径
“““
#用聚类算法找吸引子中心
#。。。
returnattractor_ter，basin_radius
#步骤3:刺激轨迹优化
defoptimize_stimulation:
“““
计算最优刺激轨迹
从当前状态推向目标吸引子
“““
#用变分法求解最优控制问题
#。。。
returnoptimal_trajectory
一周后的凌晨四点，最后一行代码写完了。
林煜按下回车，程序开始运行。
屏幕上，三位患者的数据被输入系统，算法自动分析，输出结果:
PatientDOC-07:
-昏迷吸引子位置:[-2。3，0。8，1。2，。。。]
-意识吸引子位置:[1。8，-0。5，2。1，。。。]
-吸引子间距离:4。7个标准差
-最优刺激轨迹:[计算完成]
-预测唤醒成功率:87%
PatientDOC-02:
-昏迷吸引子位置:[-2。1，0。9，1。0，。。。]