控制理论与应用

作者：王洪涛,黄辉,贺跃帮,刘旭程,李霆

单位：五邑大学信息工程学院,五邑大学信息工程学院,五邑大学信息工程学院,五邑大学信息工程学院,五邑大学信息工程学院

关键词：脑电信号; 降噪自编码; 神经网络; 事件相关电位

基金：省自然科学基金

本文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, 首先建立三层神经网络结构, 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三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 次三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它分类方法, 比竞赛第一名联合SVM分类器(Ensemble ofSVMs, 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.

来源：2019年第4期

《控制理论与应用》期刊编辑部

查看控制理论与应用杂志2019年第4期