کلاسبندی تصورات حرکتی EEG با کمک الگوریتم real time

من در محیط پایتون کدی می خوام که بیاد از سیگنال EEG استفاده کنه و کلاس بندی حرکتی را برام انجام بده با دقت بالای حدود 90درصدوبعد با استفاده از الگوریتم بلادرنگ یا زمان واقعی بیاد استفاده کند و سرعت پردازش را بالا برده و زمان پاسخگویی کمتر از 2تا3دقیقه بشه در این مرحله که روش بلادرنگ هم به کد اضافه شده تا دقت حدود 80 بشود من می خوام دوتا خروجی داشته باشم یکی از روش بلا درنگ استفاده نشده که باید دقت بالایی داشته باشد و خروجی دوم که از روش های بلادرنگ میاد استفاده می کند و سرعت پاسخگویی را زیاد می کند چیز های دیگری که می خوام نحوه ی اجرای کد را بهم آموزش بده و بگه در چه محیط کد نویسی این کد نوشته شده و برای اجرای این کد چه ملزومات لازم هست که داشته باشم یا نصب کرده باشم در واقع بیاد بگه برای اجرای کد چه کار های باید بکنم و از دیتابیس های bci competition Iv2aو یا Movement eeg motor ازپایگاه داده فیزیونت استفاده کند و به هیج وجه خروجی به همراه اورفیت نباشد و نمودار های مربوط به دقت و خطا در خروجی موجود باشد در هردو خروجی تمامی معیار های ارزیابی بررسی شود و با درصد در خروجی نشان داده شود دو کد که یکی فقط کلاسبندی تصورات حرکتی رو انجام میده و کد دیگر که روش های بلا درنگ هم بهش اضافه می‌شود در دوتا فایل مجزا بهم به من داده بشود تا بتوانم با هم مقایسه کنم و اینکه نوع معماری و الگوریتمی که استفاده می کند فرقی ندارد و تعداد کلاس های که کلاسبندی می‌شود کمتر از 4تا5تا گروه نباشد و فایل توضیحاتی بهم بده که بگه چندتاگروه کلاسبندی کرده و کلاس ها از چه نوع هستند یعنی حرکت دست یا پا... و از کدام دیتا بیس ها استفاده کرده