微计算机信息
微計算機信息
미계산궤신식
CONTROL & AUTOMATION
2010年
33期
168-169,184
,共3页
脑电%特征提取%遗传算法%人工神经网络
腦電%特徵提取%遺傳算法%人工神經網絡
뇌전%특정제취%유전산법%인공신경망락
本文研究了一种基于遗传算法和BP神经网络的BCI分类器,利用遗传算法和BP神经网络相结合的方式进行网络的学习.把网络的性能作为适应度函数,利用遗传算法快速筛选出合适的神经网络,在利用2003年BCI竞赛的标准数据测试后,可证明该方式可以大大缩短神经网络的训练时间,有效提高神经网络的工作效率,准确率比单纯使用BP神经网络高10%左右.
本文研究瞭一種基于遺傳算法和BP神經網絡的BCI分類器,利用遺傳算法和BP神經網絡相結閤的方式進行網絡的學習.把網絡的性能作為適應度函數,利用遺傳算法快速篩選齣閤適的神經網絡,在利用2003年BCI競賽的標準數據測試後,可證明該方式可以大大縮短神經網絡的訓練時間,有效提高神經網絡的工作效率,準確率比單純使用BP神經網絡高10%左右.
본문연구료일충기우유전산법화BP신경망락적BCI분류기,이용유전산법화BP신경망락상결합적방식진행망락적학습.파망락적성능작위괄응도함수,이용유전산법쾌속사선출합괄적신경망락,재이용2003년BCI경새적표준수거측시후,가증명해방식가이대대축단신경망락적훈련시간,유효제고신경망락적공작효솔,준학솔비단순사용BP신경망락고10%좌우.
