典型文献
改进的BP神经网络在运动想象脑电分类中的应用
文献摘要：
传统BP神经网络算法由于自身结构设置导致反馈调节能力不甚理想,在运动想象(MI)脑电信号多分类问题上的鲁棒性与识别性能有待进一步优化.研究并应用了基于粒子群算法(PSO)与蝙蝠算法(BA)的改进BP神经网络.经过初始编码序列寻优实现对原始BP神经网络的权值与阈值的更新,进而提升BP算法对MI脑电信号的分类识别能力.对2008年BCI竞赛数据MI脑电信号的包络幅值特征进行四分类,平均结果为96.25％.对实验室采集的MI脑电数据作进一步验证,二分类准确率为89.25％.实验结果表明BA-BP模型分类精度相较于PSO-BP方法提高了约24％,迭代效率提升了约50％,一定程度上抑制了BP神经网络算法局部最优的出现.该方法为脑电信号的多分类识别问题解决提供了一种新途径.
文献关键词：
运动想象脑电;信号分类;BP神经网络;粒子群;蝙蝠算法
中图分类号：
作者姓名：
赵丽;郭芳青;边琰;李嘉莹
作者机构：
天津市信息传感与智能控制重点实验室 天津职业技术师范大学,天津300222
文献出处：
引用格式：
[1]赵丽;郭芳青;边琰;李嘉莹-.改进的BP神经网络在运动想象脑电分类中的应用)[J].传感技术学报,2022(07):919-924
A类：
包络幅值
B类：
运动想象脑电,脑电分类,神经网络算法,反馈调节,调节能力,MI,脑电信号,多分类问题,识别性,粒子群算法,PSO,蝙蝠算法,BA,编码序列,权值与阈值,分类识别,识别能力,BCI,四分类,脑电数据,二分类,分类准确率,模型分类,分类精度,局部最优,信号分类
AB值：
0.2964
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
