基于降噪自编码神经网络的事件相关电位脑电信号分析方法

• 作者: 刘旭程 李霆 王洪涛 贺跃帮 黄辉
• 来源期刊: 控制理论与应用
• 学科: 医学
• 关键词: 脑电信号 降噪自编码 神经网络 事件相关电位
• 年，卷（期）: 2019,（4）
• 所属期刊栏目: 论文与报告
• 页码范围: 589-595
• 页数: 7页
• 分类号: TP399|R318
• 字数: 4199字
• 语种: 中文
• DOI: 10.7641/CTA.2018.70910

摘要

提出一种基于降噪自编码神经网络事件相关电位分析方法,首先建立3层神经网络结构,利用降噪自编码对神经网络进行初始化,实现了降噪自编码深度学习模型的无监督学习.从无标签数据中自动学习数据特征,通过优化模型训练得到的权值作为神经网络初始化参数.其次,经过有标签的样本进行网络参数的微调即可完成对神经网络的训练,该方法有效解决了神经网络训练中因随机选择初始化参数,而导致网络易陷入局部极小的缺陷.最后,利用上述神经网络对第3届脑机接口竞赛数据集Data set II(事件相关电位脑电信号)进行分类分析.实验结果表明:利用降噪自编码迭代2500次训练神经网络模型,在受试者A和受试者B样本数据叠加5次、10次、15次3种情况下获得的分类准确率分别为73.4％,87.4％和97.2％.该最高准确率优于其他分类方法,比竞赛第1名联合支持向量机(SVM)分类器(ESVM)提高了0.7％,为事件相关电位脑电信号提供了一种深度学习分析方法.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	李霆	五邑大学信息工程学院	52	181	7.0	11.0
2	黄辉	五邑大学信息工程学院	37	122	6.0	9.0
3	贺跃帮	五邑大学信息工程学院	9	8	2.0	2.0
4	刘旭程	五邑大学信息工程学院	3	5	2.0	2.0