10.16508/j.cnki.11-5866/n.2020.02.004
基于ESN的下肢表面肌电信号预测算法
在用神经网络对肌电信号(electromyography,EMG)建模时,网络规模的不确定导致预测效果无法确定.针对这一问题,提出一种利用回声状态网络(echo state networks,ESN)作为EMG信号的建模方法.对于ESN网络中参数不易确定的问题,采用粒子群算法(particle swarm optimization,PSO)对网络参数进行优化,以找到适合不同信号的网络模型.为了提高优化速度,ESN的优化目标函数改为平均均方根误差并采用新的位置更新算法,避免粒子群算法出现局部最优的问题.仿真结果表明改进粒子群算法加快了目标函数的优化速度.
肌电信号、回声状态网络、粒子群算法
35
TP274(自动化技术及设备)
国家自然科学基金资助项目;北京教委科技计划资助项目
2020-07-17(万方平台首次上网日期,不代表论文的发表时间)
共6页
15-20