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
王洪涛1
黄辉2
贺跃帮2
刘旭程2
李霆2
1.五邑大学 信息工程学院,广东 江门 529020;新加坡国立大学 生命科学中心,新加坡 1174562.五邑大学 信息工程学院,广东 江门,529020
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.
关键词：脑电信号降噪自编码神经网络事件相关电位
分类号：TP399(计算技术、计算机技术)R318(医用一般科学)
资助基金：广东省科技发展专项(2017A010101034)广东高校特色创新类项目(2016KTSCX141)五邑大学青年基金(2018td01)广东省自然科学基金(2018A030313882)
论文发表日期：2019-01-01
在线出版日期：2025-08-15（本平台首次上网日期，不代表文献的发表时间）
页数：7( 589-595 )
英文信息