LM算法在神经网络脑电信号分类中的研究

• 作者: 张少白 陈悦
• 来源期刊: 计算机技术与发展
• 学科: 工学
• 关键词: 脑机接口 脑电信号 神经网络 Levenberg-Marquardt算法
• 年，卷（期）: 2013,（2）
• 页码范围: 119-122
• 分类号: TP31
• 字数: 4101字
• 语种: 中文
• DOI: 10.3969/j.issn.1673-629X.2013.02.030

摘要

在脑机接口(BCI)中,脑电信号(EEG)的特征提取和分类识别可以通过多层前馈神经网络的大量学习来实现,但是基于误差反向传播的BP神经网络标准算法收敛速度慢,在训练中效率不高,分类正确率也很有限.针对这些问题,文中提出使用一种快速稳定的Levenberg-Marquardt算法来代替BP算法进行神经网络的学习训练,并利用BCI 2008竞赛的Graz数据集B进行了对左右手想象运动脑电信号分类的MATLAB仿真实验.该方法使得脑电信号分类的正确率达到87.1%,比BP算法的正确率78.2%要高,并且具有更好的收敛性.该算法为脑电信号的分类提供了有效的手段.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	张少白	南京邮电大学计算机学院	32	207	7.0	13.0
2	陈悦	南京邮电大学计算机学院	1	14	1.0	1.0