基于跨层全连接神经网络的癫痫发作期识别

来源 :计算机应用研究 | 被引量 : 1次 | 上传用户:hello0306
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
在缺乏足够先验知识下,自适应癫痫发作期识别异常困难。提出一种新的度量通道之间的同步特征计算方法(聚类划分互信息),以相关矩阵方式组织单窗口内全局同步特征模式,进而设计一种跨层全连接神经网络分类器,对非平稳同步特征模式实现自适应分类。实验表明该方法可获得[98. 19%±0. 24%]精确度,[98. 27%±0. 51%]敏感度和[98. 11%±0. 36%]特异度,超过了现有大部分方法的分类性能。另外,该方法无须去噪和去伪迹等预处理过程;而且其仅需设置一个超参数(时间窗),避免了过多的潜在错误参
其他文献
<正> 今天,生活在古都北京的人随时都能品尝到东来顺的涮羊肉、月盛斋的酱羊肉、烤肉季的烤羊肉和白魁老字号的烧羊肉。因为它们彰显着各自百年老店的风味特色,形成四道羊肉
以往传统的链路预测方法大多数针对无向网络,而实际上大多数社交网络是有向的,并且没有考虑网络中同一节点对之间的重复边以及微观演化信息,因此不能较好地解决有向动态网络中的链路预测问题。针对有向网络,将节点对之间的重复边信息转换为该节点对之间连边的权值;接着采用了基于三元组模体的演化模型,对滑动窗口中相邻时间片的模体转换概率进行统计后,采用指数加权滑动平均法对其进行时序分析得到不同模体转换概率的预测矩阵
针对目前反向计算模型还无法实现对建筑室内边界对流换热量进行反向计算这一制约性差距,采用温度贡献率方法,将边界对流换热量与室内测点温度之间表示成因果关系的温度贡献因子矩阵,基于计算流体力学,将最小二乘与Tikhonov正则化方法相结合,建立依据室内数个测点的离散温度求解边界对流换热量的反问题数学模型。应用三维通风空腔和某建筑内一间办公室进行实验验证,模型求解值与实测值的均方根差均小于80%,结果表明