本文選題：深層堆疊網(wǎng)絡(luò)　切入點(diǎn)：半監(jiān)督學(xué)習(xí)　出處：《工程科學(xué)與技術(shù)》2017年S2期

【摘要】：針對(duì)有監(jiān)督學(xué)習(xí)容易造成未標(biāo)記樣本的浪費(fèi)和手動(dòng)特征提取容易導(dǎo)致信息丟失的問(wèn)題,提出一種基于深層堆疊網(wǎng)絡(luò)(DSN)的半監(jiān)督特征學(xué)習(xí)方法。該方法將受限玻爾茲曼機(jī)(RBM)的無(wú)監(jiān)督學(xué)習(xí)與基于批量模式的梯度下降算法相結(jié)合,包括預(yù)訓(xùn)練和微調(diào)兩個(gè)階段。首先,采用對(duì)比散度(CD)訓(xùn)練算法對(duì)多個(gè)RBM進(jìn)行并行的無(wú)監(jiān)督訓(xùn)練,實(shí)現(xiàn)對(duì)各個(gè)通道腦電信號(hào)的獨(dú)立特征提取,避免各通道腦電信號(hào)之間的相互干擾。然后,將訓(xùn)練得到的參數(shù)用于DSN的輸入權(quán)值初始化,再采用基于批量模式的梯度下降法對(duì)網(wǎng)絡(luò)進(jìn)行監(jiān)督微調(diào),對(duì)多個(gè)通道的腦電信號(hào)進(jìn)行有效的特征融合,減小特征信息丟失。最后,將所提方法用于運(yùn)動(dòng)想象腦電信號(hào)特征的提取及識(shí)別。實(shí)驗(yàn)結(jié)果表明本文方法能夠充分利用未標(biāo)記樣本中的隱含信息,有效提取腦電信號(hào)特征,識(shí)別結(jié)果優(yōu)于共同空間模式(CSP)和深度信念網(wǎng)絡(luò)(DBN)等算法,該方法可用于提高腦-機(jī)接口(BCI)系統(tǒng)中腦電信號(hào)的識(shí)別正確率。
[Abstract]:A semi-supervised feature learning method based on deep stacking network (DSNs) is proposed to solve the problem that supervised learning can easily lead to waste of unlabeled samples and information loss caused by manual feature extraction.This method combines the unsupervised learning of constrained Boltzmann machine (RBM) with the gradient descent algorithm based on batch pattern, which includes two stages: pre-training and fine-tuning.Firstly, parallel unsupervised RBM training algorithm is used to extract the independent features of each channel EEG signal to avoid the interference between each channel EEG signal.Then, the trained parameters are used to initialize the input weights of DSN, and then the gradient descent method based on batch mode is used to monitor and fine-tune the network, and the EEG signals of multiple channels are fused effectively to reduce the loss of feature information.Finally, the proposed method is applied to feature extraction and recognition of motion imagination EEG signal.The experimental results show that the proposed method can effectively extract the features of EEG signals by making full use of the hidden information in unlabeled samples, and the recognition results are superior to those of common space pattern (CSP) and depth belief network (DBN).This method can be used to improve the accuracy of EEG recognition in BCI system.
【作者單位】： 重慶郵電大學(xué)自動(dòng)化學(xué)院;
【基金】：國(guó)家自然科學(xué)基金資助項(xiàng)目(61673079) 重慶市基礎(chǔ)科學(xué)與前沿技術(shù)研究項(xiàng)目(cstc2016jcyj A1919)
【分類號(hào)】：R318;TN911.7

【相似文獻(xiàn)】

中國(guó)期刊全文數(shù)據(jù)庫(kù) 前10條

1 ;腦電信號(hào)處理的研究取得階段性成果[J];河北師范大學(xué)學(xué)報(bào);1987年01期

2 李志瑞;張文杰;;通用腦電信號(hào)處理——微機(jī)系統(tǒng)初探[J];河北師范大學(xué)學(xué)報(bào);1988年Z1期

3 孟欣，歐陽(yáng)楷;腦電信號(hào)的幾個(gè)非線性動(dòng)力學(xué)分析方法[J];北京生物醫(yī)學(xué)工程;1997年03期

4 吳小培,馮煥清,周荷琴,王濤;獨(dú)立分量分析及其在腦電信號(hào)預(yù)處理中的應(yīng)用[J];北京生物醫(yī)學(xué)工程;2001年01期

5 李英遠(yuǎn),周衛(wèi)東;徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)在腦電信號(hào)建模中的應(yīng)用[J];山東生物醫(yī)學(xué)工程;2002年02期

6 劉大路,江朝暉,馮煥清,王聰;基于腦電信號(hào)時(shí)空分布信息的思維特征研究[J];北京生物醫(yī)學(xué)工程;2004年02期

7 許崇濤,沈民奮,李慧,朱國(guó)平;雙譜分析方法在腦電信號(hào)分析中的應(yīng)用[J];中國(guó)行為醫(yī)學(xué)科學(xué);2004年03期

8 湯曉軍,宋卓,楊卓,張濤;雙任務(wù)事件中腦電信號(hào)的熵計(jì)算(英文)[J];生物物理學(xué)報(bào);2005年05期

9 蔣辰偉;章悅;曹洋;朱國(guó)行;顧凡及;王斌;;腦死亡與腦昏迷腦電信號(hào)的復(fù)雜度研究[J];生物物理學(xué)報(bào);2008年02期

10 李谷;范影樂(lè);龐全;;基于排列組合熵的腦電信號(hào)睡眠分期研究[J];生物醫(yī)學(xué)工程學(xué)雜志;2009年04期

中國(guó)重要會(huì)議論文全文數(shù)據(jù)庫(kù) 前10條

1 薛蘊(yùn)全;王秋英;王宏;;腦電信號(hào)的動(dòng)態(tài)時(shí)空響應(yīng)拓?fù)鋱D[A];中國(guó)儀器儀表學(xué)會(huì)第三屆青年學(xué)術(shù)會(huì)議論文集（上）[C];2001年

2 王裕清;粱平;郭付清;張登攀;;腦電信號(hào)診斷專家系統(tǒng)的研究[A];中國(guó)生理學(xué)會(huì)第21屆全國(guó)代表大會(huì)暨學(xué)術(shù)會(huì)議論文摘要匯編[C];2002年

3 朱林劍;包海濤;孫守林;梁豐;;新型腦電信號(hào)采集方法與應(yīng)用研究[A];大連理工大學(xué)生物醫(yī)學(xué)工程學(xué)術(shù)論文集（第2卷）[C];2005年

4 許濤;朱林劍;包海濤;;基于思維腦電信號(hào)的假手的研究[A];提高全民科學(xué)素質(zhì)、建設(shè)創(chuàng)新型國(guó)家——2006中國(guó)科協(xié)年會(huì)論文集（下冊(cè)）[C];2006年

5 李愛(ài)新;孫鐵;郭炎峰;;基于人工神經(jīng)網(wǎng)絡(luò)的腦電信號(hào)模式分類[A];自動(dòng)化技術(shù)與冶金流程節(jié)能減排——全國(guó)冶金自動(dòng)化信息網(wǎng)2008年會(huì)論文集[C];2008年

6 童珊;黃華;陳槐卿;;混沌理論在腦電信號(hào)分析中的應(yīng)用[A];中國(guó)生物醫(yī)學(xué)工程學(xué)會(huì)第六次會(huì)員代表大會(huì)暨學(xué)術(shù)會(huì)議論文摘要匯編[C];2004年

7 李凌;曾慶寧;堯德中;;利用兩級(jí)抗交叉串?dāng)_自適應(yīng)濾波器提取誘發(fā)腦電信號(hào)[A];中國(guó)生物醫(yī)學(xué)工程學(xué)會(huì)第六次會(huì)員代表大會(huì)暨學(xué)術(shù)會(huì)議論文摘要匯編[C];2004年

8 葛家怡;周鵬;王明時(shí);;睡眠腦電信號(hào)樣本熵的研究[A];中國(guó)生物醫(yī)學(xué)工程進(jìn)展——2007中國(guó)生物醫(yī)學(xué)工程聯(lián)合學(xué)術(shù)年會(huì)論文集（下冊(cè)）[C];2007年

9 李麗君;黃思娟;吳效明;熊冬生;;基于運(yùn)動(dòng)想象的腦電信號(hào)特征提取與分類[A];中國(guó)儀器儀表學(xué)會(huì)醫(yī)療儀器分會(huì)2010兩岸四地生物醫(yī)學(xué)工程學(xué)術(shù)年會(huì)論文集[C];2010年

10 葛家怡;周鵬;王明時(shí);;睡眠腦電信號(hào)樣本熵的研究[A];天津市生物醫(yī)學(xué)工程學(xué)會(huì)2007年學(xué)術(shù)年會(huì)論文摘要集[C];2007年

中國(guó)重要報(bào)紙全文數(shù)據(jù)庫(kù) 前1條

1 張文清　記者 王春;意念控制車速及左右轉(zhuǎn)彎前行[N];科技日?qǐng)?bào);2008年

中國(guó)博士學(xué)位論文全文數(shù)據(jù)庫(kù) 前10條

1 彭宏;普適化腦電信息感知關(guān)鍵問(wèn)題的研究[D];蘭州大學(xué);2015年

2 吳玉鵬;AR譜在皮層癇樣腦電信號(hào)分析應(yīng)用[D];河北醫(yī)科大學(xué);2015年

3 馬小飛;認(rèn)知任務(wù)下的腦電動(dòng)力學(xué)分析[D];南京大學(xué);2017年

4 吳畏;基于統(tǒng)計(jì)建模的多導(dǎo)聯(lián)腦電信號(hào)時(shí)空建模方法研究[D];清華大學(xué);2012年

5 孫宇舸;腦—機(jī)接口系統(tǒng)中腦電信號(hào)處理方法的研究[D];東北大學(xué);2012年

6 周群;腦電信號(hào)同步：方法及應(yīng)用研究[D];電子科技大學(xué);2009年

7 趙麗;基于腦電信號(hào)的腦-機(jī)接口技術(shù)研究[D];天津大學(xué);2004年

8 李春勝;腦電信號(hào)混沌特性的研究與應(yīng)用[D];東北大學(xué);2011年

9 歐陽(yáng)高翔;癲癇腦電信號(hào)的非線性特征識(shí)別與分析[D];燕山大學(xué);2010年

10 繆曉波;基于腦電信號(hào)的認(rèn)知?jiǎng)恿W(xué)系統(tǒng)研究——線性/非線性方法及動(dòng)態(tài)時(shí)—頻—空分析[D];重慶大學(xué);2004年

中國(guó)碩士學(xué)位論文全文數(shù)據(jù)庫(kù) 前10條

1 于洪;基于腦電信號(hào)的警覺(jué)度估計(jì)[D];上海交通大學(xué);2007年

2 蔣潔;基于高性能計(jì)算的腦電信號(hào)分析[D];燕山大學(xué);2010年

3 張志琴;腦電信號(hào)的復(fù)雜性分析[D];中南大學(xué);2009年

4 許鳳娟;腦電信號(hào)采集與分析系統(tǒng)的設(shè)計(jì)[D];長(zhǎng)春理工大學(xué);2011年

5 曹銘;意識(shí)障礙患者腦電信號(hào)的非線性動(dòng)力學(xué)評(píng)價(jià)分析[D];杭州電子科技大學(xué);2012年

6 薛吉星;多通道腦電信號(hào)采集與處理系統(tǒng)研究[D];華南理工大學(xué);2015年

7 劉靜;基于加權(quán)排序熵的多通道腦電信號(hào)同步算法研究[D];燕山大學(xué);2015年

8 陳澤濤;基于腦電信號(hào)分析的AD早期評(píng)估系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn)[D];燕山大學(xué);2015年

9 王歡;基于非平穩(wěn)時(shí)間序列分析方法的腦電信號(hào)模式識(shí)別[D];蘇州大學(xué);2015年

10 王瓊穎;腦電信號(hào)的非線性動(dòng)力學(xué)分析及其在睡眠分期中的應(yīng)用[D];哈爾濱工業(yè)大學(xué);2015年

，

本文編號(hào)：1716622