10.3778/j.issn.1002-8331.1610-0117
稀疏降噪自编码器在IR-BCI的应用研究
针对脑-机接口的特征提取问题,提出了一种基于非监督学习的稀疏降噪自编码器,对刺激诱发的脑电信号进行自主学习,构建原始数据的深层特征表达.该编码器引用稀疏自编码神经网络,通过加入噪声,增强其学习的泛化能力,增加了神经网络的鲁棒性.首先对多导联信号进行重新拼接,输入稀疏降噪自编码器,得到原始数据的稀疏特征表达;然后,采用支持向量机将学习到的特征进行分类;最后,同直接使用最优单通道相对比.实验结果为:稀疏降噪自编码器的分类准确率要优于单通道,表明该方法能够更好地学习到特征,并提高了"模拟阅读"脑-机接口的识别正确率,为脑-机接口系统的特征提取和分类提供了新思路.
模拟阅读、脑-机接口、非监督学习、稀疏降噪自编码器、支持向量机
53
TP391.4(计算技术、计算机技术)
国家自然科学基金91120017,81271659;中央高校基本科研业务费资助项目CZY13031
2017-06-27(万方平台首次上网日期,不代表论文的发表时间)
共5页
167-171