论文摘要
该文以深度学习中的自动编码机为基础,对原始输入向量加入噪声处理,隐含层加入稀疏限制,再将单一的网络结构堆叠成深层神经网络,提出改进算法——堆叠稀疏降噪自动编码机。通过在两个不同数据集(实验室采集数据集和2005年BCI竞赛数据集IVa)进行对比实验,结果表明该算法在运动想象脑电信号的特征提取上具有更强的学习能力和鲁棒性。
论文目录
文章来源
类型: 期刊论文
作者: 唐贤伦,刘雨微,万亚利,马艺玮
关键词: 降噪自动编码机,深度学习,脑电信号识别,稀疏,堆叠
来源: 电子科技大学学报 2019年01期
年度: 2019
分类: 信息科技,基础科学,医药卫生科技
专业: 生物学,生物医学工程,电信技术
单位: 重庆邮电大学自动化学院
基金: 国家自然科学基金(61673079,61703068),重庆市基础科学与前沿技术研究项目(cstc2016jcyjA1919)
分类号: TN911.7;R318
页码: 62-67
总页数: 6
文件大小: 811K
下载量: 214
相关论文文献
- [1].基于脑电信号反馈控制的双轨道小车控制器设计[J]. 电子制作 2019(23)
- [2].酒精脑电信号降维去噪方法的研究[J]. 长春理工大学学报(自然科学版) 2019(06)
- [3].脑电信号分析方法及其应用[J]. 中国医疗器械杂志 2020(02)
- [4].一种基于脑电信号的眼动方向分类方法[J]. 计算机科学 2020(04)
- [5].我国脑电信号分析方法及在工学方面的应用研究[J]. 中外企业家 2020(19)
- [6].基于脑电信号分析的换挡布置优化[J]. 汽车实用技术 2020(17)
- [7].基于多尺度排列熵的脑电信号分类[J]. 中国数字医学 2019(05)
- [8].基于深度学习的癫痫脑电信号分析与预测[J]. 长春大学学报 2019(06)
- [9].关于脑电信号的情感优化识别仿真[J]. 计算机仿真 2018(06)
- [10].基于脑电信号的耳鸣识别算法研究[J]. 科技传播 2018(13)
- [11].癫痫脑电信号的相关性分析[J]. 电子世界 2017(05)
- [12].基于半监督学习的脑电信号特征提取及识别[J]. 工程科学与技术 2017(S2)
- [13].基于脑电信号的驾驶疲劳的研究[J]. 世界最新医学信息文摘 2017(55)
- [14].运动想象脑电信号特征的提取与分类[J]. 工业控制计算机 2015(02)
- [15].脑电信号的最优分数阶傅里叶变换[J]. 沈阳大学学报(自然科学版) 2019(06)
- [16].基于多特征卷积神经网路的运动想象脑电信号分析及意图识别[J]. 仪器仪表学报 2020(01)
- [17].人脑电信号实时监测原型系统设计与实现[J]. 计算机工程与应用 2019(02)
- [18].基于方差和深度学习的脑电信号分类算法[J]. 黑龙江工程学院学报 2017(06)
- [19].脑电信号识别及其在机械手臂控制中的应用[J]. 生物医学工程研究 2016(04)
- [20].少年与中年脑电信号的多尺度符号序列熵分析[J]. 北京生物医学工程 2016(06)
- [21].基于卷积神经网络的脑电信号上肢运动意图识别[J]. 浙江大学学报(工学版) 2017(07)
- [22].脑电信号在线采集系统设计与实现[J]. 微型机与应用 2017(22)
- [23].便携式脑电信号采集与处理系统（英文）[J]. 航天医学与医学工程 2016(03)
- [24].正常人中医体质分类与脑电信号相关性探讨[J]. 辽宁中医药大学学报 2014(11)
- [25].脑电信号采集系统的设计[J]. 河北建筑工程学院学报 2014(01)
- [26].思维脑电信号的关联维数分析[J]. 河南科技大学学报(自然科学版) 2012(01)
- [27].一种适用于清醒动物脑电信号采集的固定装置[J]. 首都医科大学学报 2011(06)
- [28].运动想象脑电信号识别研究[J]. 计算机工程与应用 2010(33)
- [29].基于照片刺激下的脑电身份识别研究[J]. 江西蓝天学院学报 2011(04)
- [30].静息脑电信号频域不对称指数特征识别算法[J]. 电子设计工程 2020(09)