版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進(jìn)行舉報或認(rèn)領(lǐng)
文檔簡介
1、腦電(Electroencephalogram, EEG)作為與人類大腦最具直接聯(lián)系的一種外在表現(xiàn)形式,是臨床診斷的重要手段之一。傳統(tǒng)的方法從頻譜和統(tǒng)計學(xué)的角度研究腦電時間序列,能夠?qū)δX電給出部分詳細(xì)的解釋,為腦電的有效應(yīng)用作出了一定貢獻(xiàn)。然而,這些方法無法對大腦的非線性動力學(xué)性質(zhì)進(jìn)行深入有效的理解。
本文從歸一化RBF網(wǎng)絡(luò)開始,針對腦電信號具有混沌的特性,提出一種建模和預(yù)測混沌信號的新方法,并將HMM和歸一化RBF混合網(wǎng)絡(luò)應(yīng)
2、用于腦電信號的建模和預(yù)測。同時采用遺傳算法訓(xùn)練歸一化RBF網(wǎng)絡(luò),用Baum-Welch算法來訓(xùn)練HMM得到最優(yōu)的混合網(wǎng)絡(luò)模型參數(shù)。從我們的研究成果可以看出,該混合模型比傳統(tǒng)的單個神經(jīng)網(wǎng)絡(luò)模型能更加精確地逼近參數(shù)變化的混沌信號和時空混沌信號。
另外,我們運(yùn)用該混合模型分別對臨床采集到的正常腦電信號和癲癇腦電信號進(jìn)行預(yù)測,實(shí)驗(yàn)結(jié)果表明該模型可以揭示腦電信號的混沌動力學(xué)特性。最后,用該混合網(wǎng)絡(luò)模型檢測癲癇腦電信號,結(jié)果表明該模型是一
溫馨提示
- 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負(fù)責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時也不承擔(dān)用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- SVM和HMM混合模型的研究及其應(yīng)用.pdf
- 基于自回歸模型的混沌時間序列預(yù)測與應(yīng)用.pdf
- 混合混沌擴(kuò)頻序列的生成與性能分析.pdf
- 混合混沌序列與混沌圖像加密技術(shù)研究.pdf
- 時間序列結(jié)構(gòu)轉(zhuǎn)換模型的分析、建模與應(yīng)用.pdf
- 時間序列建模與模型選擇的應(yīng)用研究.pdf
- 混沌擴(kuò)頻序列的研究與應(yīng)用.pdf
- 基于HMM與WNN混合模型的Web信息抽取研究.pdf
- 基于hmm與wnn混合模型的web信息抽取研究
- 多重ANN-HMM混合模型在語音識別中的應(yīng)用.pdf
- 混沌序列發(fā)生器與混沌擴(kuò)頻序列的研究.pdf
- 基于混沌的序列密碼研究與應(yīng)用.pdf
- 多變量混沌時間序列預(yù)測建模研究.pdf
- 混沌時間序列的特征分析及其預(yù)測研究——以交通流時間序列為例構(gòu)建模型.pdf
- 基于HMM與ANN混合模型語音識別系統(tǒng)的研究與實(shí)現(xiàn).pdf
- 基于混沌混合算法的裝配序列規(guī)劃研究.pdf
- 基于hmm和pnn的混合語音識別模型研究
- 混沌序列在CDMA中的應(yīng)用.pdf
- 基于SVM-HMM混合模型的音樂分類研究.pdf
- 基于HMM和RBF混合模型的語音情感識別.pdf
評論
0/150
提交評論