• <tr id="yyy80"></tr>
  • <sup id="yyy80"></sup>
  • <tfoot id="yyy80"><noscript id="yyy80"></noscript></tfoot>
  • 99热精品在线国产_美女午夜性视频免费_国产精品国产高清国产av_av欧美777_自拍偷自拍亚洲精品老妇_亚洲熟女精品中文字幕_www日本黄色视频网_国产精品野战在线观看 ?

    基于深度卷積網(wǎng)絡(luò)的腦電運(yùn)動想象分類方法

    2019-08-20 01:57:18陳嬌
    中國醫(yī)療設(shè)備 2019年8期
    關(guān)鍵詞:節(jié)律電信號權(quán)值

    陳嬌

    南京醫(yī)科大學(xué)附屬兒童醫(yī)院 招標(biāo)采購中心,江蘇 南京 210008

    引言

    腦機(jī)接口是一個多學(xué)科交叉的領(lǐng)域,其關(guān)鍵點(diǎn)在于如何準(zhǔn)確地對腦電信號進(jìn)行分類[1-4]。常規(guī)的方法是將原始的腦電信號進(jìn)行特征提取,如AAR 模型、公共空間模式、主成分分析、小波分解和功率譜估計(jì)等方法,再將特征值送入分類器進(jìn)行分類,常見的分類器包括線性判別、支持向量機(jī)、貝葉斯分類和神經(jīng)網(wǎng)絡(luò)等[5]。

    隨著深度學(xué)習(xí)的興起,卷積神經(jīng)網(wǎng)絡(luò)受到研究者的廣泛關(guān)注,并在圖像識別、視頻識別和語音識別等領(lǐng)域取得了非常好的效果。而對于生理信號,目前還很少有在卷積神經(jīng)網(wǎng)絡(luò)的運(yùn)用。腦電信號是一種非平穩(wěn)的信號,同時還具有較強(qiáng)的隨機(jī)性,這一特點(diǎn)和語音信號有相似的結(jié)構(gòu),所以卷積神經(jīng)網(wǎng)絡(luò)在理論上有運(yùn)用于腦電信號分類的基礎(chǔ)[6-7]。同時傳統(tǒng)的神經(jīng)網(wǎng)絡(luò)運(yùn)用于腦電信號分類的主要問題是權(quán)值過多,當(dāng)網(wǎng)絡(luò)層數(shù)較多的情況下,計(jì)算量會呈幾何級數(shù)的增加,極大地影響了收斂速度。而卷積神經(jīng)網(wǎng)絡(luò)使用了共享權(quán)值的結(jié)構(gòu),使得計(jì)算量大大減少,降低了網(wǎng)絡(luò)的復(fù)雜程度,同時卷積層可以看作是一個特征抽取器,這樣就可以省略了特征提取的步驟,將信號直接送入網(wǎng)絡(luò)。所以卷積神經(jīng)網(wǎng)絡(luò)非常適合運(yùn)用于腦電信號的分類[8]。

    使用腦電信號進(jìn)行左右手運(yùn)動想象的識別一直是研究的熱點(diǎn)問題,盡管相關(guān)研究者已經(jīng)提出了非常多的特征提取算法和分類器,但是更優(yōu)秀的分類算法可以更好地解碼腦電信號,提高運(yùn)動想象預(yù)測的魯棒性和準(zhǔn)確率。在一些相關(guān)的文獻(xiàn)中,已經(jīng)有一些將深度學(xué)習(xí)運(yùn)用于運(yùn)動想象分類的研究,但是大多是基于二維的輸入組合,同時訓(xùn)練數(shù)據(jù)不足的問題也影響了分類的訓(xùn)練性能[9-10]。在本文中,我們對左手和右手兩種運(yùn)動想象進(jìn)行分類,比較不同的分類器的結(jié)果,包括了線性分類器、反向傳播神經(jīng)網(wǎng)絡(luò)和卷積神經(jīng)網(wǎng)絡(luò),同時提出了運(yùn)用數(shù)據(jù)增強(qiáng)的方法增加訓(xùn)練數(shù)據(jù)量,從而解決了訓(xùn)練器泛化能力不足的問題。

    1 材料與方法

    1.1 信號采集

    本文使用了國際的腦機(jī)接口競賽數(shù)據(jù)(BCI Competition III)的Data Set III 組數(shù)據(jù)。該數(shù)據(jù)由腦機(jī)接口的權(quán)威研究機(jī)構(gòu)格拉茨大學(xué)提供[11],電極圖和實(shí)驗(yàn)流程如圖1 所示。電極采用氯化銀電極,基于國際通用的10~20 分布系統(tǒng),放置于C3 和C4 位置,C3 和C4 位于大腦皮層的運(yùn)動感覺區(qū)域,是和運(yùn)動功能最為相關(guān)的大腦區(qū)域。實(shí)驗(yàn)的一次流程如下所述:① 首先兩秒是空白屏幕,被試者保持平靜狀態(tài);② 從第二秒開始屏幕正中出現(xiàn)一個十字標(biāo)記,提示被試者準(zhǔn)備開始;③ 從第三秒開始屏幕上出現(xiàn)一個向左或者向右的箭頭,被試者根據(jù)箭頭的朝向,想象右手或者左手的運(yùn)動,這個動作一直持續(xù)到九秒。

    圖1 實(shí)驗(yàn)范式

    整個實(shí)驗(yàn)一共重復(fù)280 次,其中140 次是有標(biāo)記數(shù)據(jù),另外140 次是測試數(shù)據(jù),沒有標(biāo)記。腦電記錄的設(shè)備采樣率是128 Hz。

    1.2 數(shù)據(jù)預(yù)處理

    根據(jù)神經(jīng)生理學(xué)的研究,人的大腦可以分成四個頻率帶,在人類進(jìn)行運(yùn)動或者運(yùn)動想象的時候,大腦的對側(cè)運(yùn)動區(qū)域的Mu 節(jié)律(8~12 Hz)和Beta 節(jié)律(14~30 Hz)的能量顯著的減弱,同時同側(cè)運(yùn)動區(qū)域的Mu 節(jié)律和Beta 節(jié)律能量明顯的增強(qiáng)。這種生理現(xiàn)象被人們稱為事件相關(guān)去同步(Event-Related Desynchronization,ERD)和事件相關(guān)同步(Event-Related Synchronization,ERS)。這個生理現(xiàn)象是用來預(yù)測左右手運(yùn)動的根本依據(jù)。舉個例子,當(dāng)被試者想象右手運(yùn)動時候,C3 位置的Mu 節(jié)律和Beta 節(jié)律會顯著的降低,同時C4 位置的Mu 節(jié)律和Beta 節(jié)律會顯著的增加。當(dāng)被試者進(jìn)行左手運(yùn)動想象的時候,C3 和C4 的情況會正好反過來。

    經(jīng)典的ERD/ERS 計(jì)算方法是將事件發(fā)生前數(shù)秒作為基線,在相關(guān)頻段內(nèi)計(jì)算腦電能量的相對變化。我們先對記錄的數(shù)據(jù)進(jìn)行處理,將C3 和C4 的信號分別經(jīng)過8~12 Hz的帶通濾波器和14~30 Hz 的帶通濾波器,得到4 組數(shù)據(jù)。同時我們要提取出4 組數(shù)據(jù)的能量信息,并通過一個ERD/ERS 計(jì)算公式來求出平均的ERD/ERS 數(shù)據(jù)[12-13]。ERD 的公式如下:

    公式(1)中x 為信號數(shù)據(jù),i 為實(shí)驗(yàn)次數(shù),j 為單次實(shí)驗(yàn)中的數(shù)據(jù)序號,N 為重復(fù)次數(shù),這里是70。公式(2)求出前k 個數(shù)據(jù)的平均值做為參考值。公式(3)計(jì)算出k 之后的數(shù)據(jù)和參考值之間的比例,即為ERD/ERS 數(shù)據(jù)。這樣求出來的數(shù)據(jù)有很多毛刺,我們通過一個平滑濾波器將數(shù)據(jù)進(jìn)行平滑,這樣可以得到較為平滑的數(shù)據(jù)。我們提取C3 和C4 的Mu 節(jié)律的數(shù)據(jù),并計(jì)算ERD/ERS 數(shù)據(jù),如圖2 和圖3 所示。

    圖2 C3電極的Mu節(jié)律能量分布

    圖3 C4電極的Mu節(jié)律能量分布

    圖2 和圖3 為ERD/ERS 的計(jì)算結(jié)果,在右手的運(yùn)動想象時,C3 處有能量減小的現(xiàn)象,同時在左手運(yùn)動想象的時候,C4 處有顯著的能量減小。同樣的在Beta 節(jié)律上也有相同的結(jié)果。

    所以我們保留C3 和C4 兩個通道的數(shù)據(jù),并分別通過8~12 Hz 的帶通濾波器和14~30 Hz 的帶通濾波器,這樣我們就得到四組數(shù)據(jù),每組數(shù)據(jù)是128 的采樣率,持續(xù)9 s,一共是1152 個采樣點(diǎn),我們保留中間的1024 個點(diǎn),并轉(zhuǎn)變它的結(jié)構(gòu),成為一個32×32 的方陣形式。這樣我們就得到了一次實(shí)驗(yàn)的數(shù)據(jù)為4×32×32 的三維矩陣,4 是兩個電極的兩個帶通濾波,32×32 是一次實(shí)驗(yàn)的采樣點(diǎn)的重構(gòu)。我們再將實(shí)驗(yàn)次數(shù)作為最后一個維度,一共是140 次數(shù)據(jù)。這樣就構(gòu)成了140×4×32×32 的四維數(shù)據(jù)結(jié)構(gòu),這就是我們將要送入網(wǎng)絡(luò)訓(xùn)練的數(shù)據(jù)結(jié)構(gòu)。

    1.3 數(shù)據(jù)歸一化和數(shù)據(jù)增強(qiáng)

    線性判別和支持向量機(jī)這兩種分類器是尋找數(shù)據(jù)在低緯度的投影距離,所以并不用考慮數(shù)據(jù)的歸一化問題,但是神經(jīng)網(wǎng)絡(luò)不一樣,神經(jīng)網(wǎng)絡(luò)需要激活函數(shù)來激活節(jié)點(diǎn),無論是傳統(tǒng)的Sigmoid、Tanh 還是現(xiàn)在流行的ReLU,都需要對數(shù)據(jù)進(jìn)行歸一化,主要的原因是這些激活函數(shù)在節(jié)點(diǎn)數(shù)據(jù)接近于零的時候就等于0,如果輸入的數(shù)據(jù)的絕對值非常接近于0,那么每一個節(jié)點(diǎn)的數(shù)據(jù)激活后就會也接近于0,這種情況下反向傳遞誤差就會接近于0,沒有辦法有效的修改權(quán)重參數(shù),也就是說這個神經(jīng)網(wǎng)絡(luò)就無法收斂[14]。

    常用的歸一化方法有線性歸一化、標(biāo)準(zhǔn)差歸一化等。這里我們使用標(biāo)準(zhǔn)差歸一化的方法,標(biāo)準(zhǔn)差歸一化的公式如公式(4)所示。

    每一變量值與其平均值之差除以該變量的標(biāo)準(zhǔn)差。雖然該方法在無量綱化過程中利用了所有的數(shù)據(jù)信息,但是該方法在無量綱化后不僅使得轉(zhuǎn)換后的各變量均值相同,且標(biāo)準(zhǔn)差也相同,即無量綱化的同時還消除了各變量在變異程度上的差異,從而轉(zhuǎn)換后的各變量在聚類分析中的重要性程度是同等看待的。而實(shí)際分析中,經(jīng)常根據(jù)各變量在不同單位間取值的差異程度大小來決定其在分析中的重要性程度,差異程度大的其分析權(quán)重也相對較大。經(jīng)過處理的數(shù)據(jù)符合標(biāo)準(zhǔn)正態(tài)分布,即均值為0,標(biāo)準(zhǔn)差為1。

    除了使用了標(biāo)準(zhǔn)差歸一化的方法,我們還使用批數(shù)據(jù)標(biāo)準(zhǔn)化技術(shù)(Batch Normalization),即對于數(shù)據(jù)進(jìn)行分批送入神經(jīng)網(wǎng)絡(luò)訓(xùn)練,對于分批的數(shù)據(jù)獨(dú)立進(jìn)行歸一化。

    在利用卷積神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練的時候,我們可以看到訓(xùn)練數(shù)據(jù)一共有140 組,數(shù)據(jù)集過小容易造成模型的過擬合,因此我們可以使用數(shù)據(jù)增強(qiáng)的方式增加數(shù)據(jù)量,這樣可以有效的解決模型過擬合的問題。數(shù)據(jù)增強(qiáng)方式經(jīng)常運(yùn)用于圖像的處理中,尤其是圖像識別[15],因?yàn)閳D像識別的目的是識別圖像的類別,比如圖中是貓或者狗或者汽車,所以圖像處理中的數(shù)據(jù)增強(qiáng)一般使用的方法有,水平/豎直翻轉(zhuǎn)、顏色改變、旋轉(zhuǎn)變化、加噪聲和隨機(jī)改變大小等等。我們可以想象,一個圖像經(jīng)過翻轉(zhuǎn)或者改變顏色,扭曲并不會影響它是什么,而腦電信號卻比較特殊,因?yàn)槟X電信號在本質(zhì)上是一個時間序列,所以不能使用翻轉(zhuǎn)或者扭曲的方法。從另一個角度來考慮,腦電信號是一種非平穩(wěn)的信號,信號中有大量的噪聲,信噪比較低,我們需要從很多噪聲的信號中提取有用的信息。同時我們可以從圖2 和圖3 中看到,經(jīng)過多次數(shù)據(jù)的疊加平均,信號特征越來越清晰。所以我們可以認(rèn)為,為原始信號添加白噪聲是一種有效的數(shù)據(jù)增強(qiáng)方式。本文中我們添加一個10 dB 的高斯白噪聲,這個噪聲疊加在原信號中,最后我們產(chǎn)生了更多的訓(xùn)練數(shù)據(jù)。

    1.4 分類器

    我們分別使用四種分類器進(jìn)行計(jì)算,并對其性能進(jìn)行對比。四個分類器分別是線性分類器、反向傳播神經(jīng)網(wǎng)絡(luò)、LeNet 和AlexNet 神經(jīng)網(wǎng)絡(luò)。其中LeNet 和AlexNet 是基于卷積神經(jīng)網(wǎng)絡(luò)的經(jīng)典算法,我們根據(jù)本文中的數(shù)據(jù)類型進(jìn)行一些改動,使其能夠適應(yīng)腦電數(shù)據(jù)。

    1.4.1 線性分類器

    線性分類器是一種監(jiān)督學(xué)習(xí),原理是將帶標(biāo)簽的數(shù)據(jù),通過投影的方法投影到低維的空間形成分類[16]。通常情況下,相同類別的點(diǎn)會靠近,形成一簇。在本文中,我們就是要將左手和右手的數(shù)據(jù)分別投影到低維空間,左手和右手?jǐn)?shù)據(jù)的投影分在兩簇。通過兩組訓(xùn)練數(shù)據(jù),我們求得判別式的ω 和判別閾值ω0。當(dāng)我們需要計(jì)算測試數(shù)據(jù)屬于哪一類的時候,通過公式(5)計(jì)算y 值。再比較y 與ω0的大小來決定測試數(shù)據(jù)屬于哪一類。

    1.4.2 反向傳播神經(jīng)網(wǎng)絡(luò)

    神經(jīng)網(wǎng)絡(luò)是由輸入輸出,權(quán)值閾值和感知器組成的網(wǎng)絡(luò),他通過反向傳播的算法對權(quán)值進(jìn)行更新,從而有了自適應(yīng)和自我學(xué)習(xí)的功能[17]。首先將訓(xùn)練數(shù)據(jù)送入網(wǎng)絡(luò)以獲得激勵響應(yīng),然后將激勵響應(yīng)同訓(xùn)練數(shù)據(jù)的標(biāo)記計(jì)算誤差,再通過誤差計(jì)算出權(quán)重梯度,最后將這個梯度乘以一個比例加到權(quán)重上進(jìn)行權(quán)重更新。以上步驟反復(fù)進(jìn)行最后得到合適的網(wǎng)絡(luò)權(quán)重。神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)如圖4 所示,輸入層一共是32×32=1024 個,隱藏層一共有三層。假設(shè)我們的隱藏層也是1024 個單元,那么我們可以計(jì)算出來整個網(wǎng)絡(luò)的權(quán)重值一共是3×1024×1024+1024×2 個,每次迭代計(jì)算誤差后所有的權(quán)重值都要進(jìn)行更新,計(jì)算量很大,但這僅僅是一個很簡單的網(wǎng)絡(luò)結(jié)構(gòu)。

    圖4 反向傳播神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)

    1.4.3 LeNet和AlexNet神經(jīng)網(wǎng)絡(luò)

    我們可以看到反向傳播神經(jīng)網(wǎng)絡(luò)的計(jì)算量非常大,每次更新權(quán)值需要消耗大量的時間,這也限制了網(wǎng)絡(luò)的規(guī)模。我們使用了LeNet 和AlexNet 兩種新的神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu),可以大大減少計(jì)算量,有效地節(jié)約計(jì)算時間。這兩種結(jié)構(gòu)是通過卷積的方法實(shí)現(xiàn)了權(quán)值共享,這樣只需要更新卷積核的權(quán)值即可,無需更新所有權(quán)值。下面我們來根據(jù)我們的腦電數(shù)據(jù)來設(shè)計(jì)具體的LeNet 和AlexNet 結(jié)構(gòu)。首先是LeNet 結(jié)構(gòu),這個結(jié)構(gòu)是Lecun 在解決手寫數(shù)字問題是設(shè)計(jì)的網(wǎng)絡(luò)結(jié)構(gòu),我們經(jīng)過一些改進(jìn)運(yùn)用于腦電數(shù)據(jù)的分類,結(jié)構(gòu)如圖5 所示。首先最左邊是輸入,我們的原始數(shù)據(jù)是一個32×32 的二維矩陣結(jié)構(gòu),同時它有4 個通道的數(shù)據(jù),是一個4×32×32 的結(jié)構(gòu)體。首先經(jīng)過一次卷積,卷積核是5,邊界處理是2,卷積步長是1,這樣可以得到一個同樣尺寸但是有16 層的卷積結(jié)果。然后經(jīng)過激活函數(shù)Sigmoid 和池化降采樣,得到一個16×16×16 的數(shù)據(jù)結(jié)構(gòu)。然后再經(jīng)過一次卷積,卷積核是5,邊界處理是2,卷積步長是1,可以得到一個32×16×16 的數(shù)據(jù)結(jié)構(gòu)。再經(jīng)過激活函數(shù)Sigmoid 和池化降采樣,得到一個32×8×8 的數(shù)據(jù)結(jié)構(gòu)。最后經(jīng)過一個全連接層,將數(shù)據(jù)結(jié)構(gòu)體全展開,最后輸入一個線性層得到最終的概率結(jié)果。根據(jù)這個概率結(jié)果就可以分類出是左手還是右手運(yùn)動想象[18]。

    圖5 LeNet的卷積網(wǎng)絡(luò)的結(jié)構(gòu)

    由于我們使用了卷積的方法,并且是共用卷積權(quán)值,那么數(shù)據(jù)的計(jì)算量就少了很多,每次需要更新的權(quán)值也少了。這就是使用LeNet 的意義所在。同時使用了池化降采樣的方法,這樣可降低網(wǎng)絡(luò)訓(xùn)練的參數(shù)以及解決模型過擬合的問題。

    AlexNet 主要是在LeNet 的基礎(chǔ)上使用了新的激活函數(shù)ReLu 以及更深的網(wǎng)絡(luò)和Dropout 技術(shù)。與LeNet 相比,AlexNet 多了三層卷積層,并且在最后的全連接層使用了Dropout 方法。Dropout 是以一定的概率對神經(jīng)元輸出設(shè)置為零,一般概率為0.5。這樣設(shè)定的神經(jīng)元既不參與向前計(jì)算誤差也不參與反向傳遞誤差。這樣就等于每次神經(jīng)網(wǎng)絡(luò)的計(jì)算都是一個新的結(jié)構(gòu),但是這些結(jié)構(gòu)是共享權(quán)值的。這種方法是暫時的,對于隨機(jī)梯度下降來說,是隨機(jī)丟棄的,等于是每次訓(xùn)練都是一個不同的網(wǎng)絡(luò),可以有效地防止模型過擬合。因?yàn)樯窠?jīng)元不能依賴于其他某一個特定的神經(jīng)元,所以這種技術(shù)降低了神經(jīng)元復(fù)雜的互適應(yīng)關(guān)系,正因?yàn)槿绱?,?xùn)練出來的網(wǎng)絡(luò)更具有魯棒性[19]。Dropout 只用于最后的網(wǎng)絡(luò)全連接層。

    2 結(jié)果和分析

    我們一共使用了四種分類器,分別是線性分類器、反向傳播神經(jīng)網(wǎng)絡(luò)、LeNet 和AlexNet 卷積神經(jīng)網(wǎng)絡(luò)。四種分類器的輸入特征都是一致的,分別是70 組訓(xùn)練數(shù)據(jù)和70 組測試數(shù)據(jù)。首先我們看四種分類器的正確率,結(jié)果如表1 所示。

    表1 四種分類器的準(zhǔn)確率

    可以看到,相比于線性分類器,反向傳播的神經(jīng)網(wǎng)絡(luò)能夠?qū)⒎诸悳?zhǔn)確率提高13%,而兩種神經(jīng)網(wǎng)絡(luò)又有大約6%的提高,這是因?yàn)樯窠?jīng)網(wǎng)絡(luò)有更復(fù)雜的網(wǎng)絡(luò)結(jié)構(gòu),可以有效地提高分類能力,同時兩種卷積網(wǎng)絡(luò)有效地增加的網(wǎng)絡(luò)的泛化能力,相比于反向傳播神經(jīng)網(wǎng)絡(luò)有更好的性能。當(dāng)年腦機(jī)接口競賽的最好成績只是87%,兩種卷積網(wǎng)絡(luò)的準(zhǔn)確率高于競賽的成績。然后我們再對比兩種卷積網(wǎng)絡(luò)的泛化能力,我們將數(shù)據(jù)增強(qiáng)后的數(shù)據(jù)放入網(wǎng)絡(luò)中訓(xùn)練,依然用原來的測試數(shù)據(jù)。結(jié)果如圖6 所示。我們可以看到在測試誤差上,AlexNet 的表現(xiàn)好于LeNet,但是在訓(xùn)練誤差上是相反的,LeNet 的效果好于AlexNet,這說明了在數(shù)量較大的情況下,網(wǎng)絡(luò)容易訓(xùn)練出過擬合的情況,所謂過擬合就是網(wǎng)絡(luò)在訓(xùn)練集有著非常良好的表現(xiàn),但是在測試數(shù)據(jù)集表現(xiàn)反而不如訓(xùn)練集。這是一種常見的問題,以前經(jīng)常會用正則化的方式來解決問題,這里AlexNet 使用了Dropout 的方法來解決過擬合問題,結(jié)果是訓(xùn)練集的誤差上升了一些,但是在測試集中的表現(xiàn)更加良好,這樣的網(wǎng)絡(luò)更具有泛化的特點(diǎn)。從圖6 可以看出來,使用了Dropout 的AlexNet 在訓(xùn)練集的誤差有所提高,但是測試集的誤差反而降低了,這說明有Dropout 的AlexNet 具有更好的泛化能力,這說明AlexNet 能夠有效地解決大數(shù)據(jù)情況下的過擬合問題。

    圖6 兩種卷積網(wǎng)絡(luò)的誤差

    3 討論

    本文提出并實(shí)現(xiàn)了兩種基于LeNet 和AlexNet 的卷積神經(jīng)網(wǎng)絡(luò),用來對運(yùn)動想象的腦電數(shù)據(jù)進(jìn)行分類,同時采用了數(shù)據(jù)增強(qiáng)的處理方法。在兩種卷積神經(jīng)網(wǎng)絡(luò)上改進(jìn)了傳統(tǒng)的運(yùn)用于圖像的方法,使其適用于腦電數(shù)據(jù)。試驗(yàn)結(jié)果表明,本文提出的方法獲得較好的運(yùn)動識別率,同時相比于傳統(tǒng)的反向傳播神經(jīng)網(wǎng)絡(luò),降低了計(jì)算的復(fù)雜度。相比于傳統(tǒng)的線性分類器和反向傳播神經(jīng)網(wǎng)絡(luò),新的網(wǎng)絡(luò)的有更好的分類準(zhǔn)確率。同時比較了LeNet 和AlexNet 的性能,在數(shù)據(jù)增強(qiáng)之后,AlexNet 的Dropout 能夠使網(wǎng)絡(luò)獲得更好的泛化能力,解決過擬合問題??傮w上來看本文提出的兩種卷積神經(jīng)網(wǎng)絡(luò)算法有著更好的性能。

    深度卷積網(wǎng)絡(luò)有著強(qiáng)大的學(xué)習(xí)能力,其更有特色的地方在于多種類的分類問題,比如ImageNet 比賽中,分類情況已經(jīng)達(dá)到了1000 種,所以在以后的研究中,可以嘗試更多種類的腦電信號分類,比如左手、右手、舌頭和腿的四分類情況,甚至是ECoG 的細(xì)分到每根手指的分類情況,這樣更有助于腦機(jī)接口的精細(xì)化使用。

    猜你喜歡
    節(jié)律電信號權(quán)值
    一種融合時間權(quán)值和用戶行為序列的電影推薦模型
    基于聯(lián)合聚類分析的單通道腹部心電信號的胎心率提取
    CONTENTS
    基于Code Composer Studio3.3完成對心電信號的去噪
    科技傳播(2019年24期)2019-06-15 09:29:28
    基于隨機(jī)森林的航天器電信號多分類識別方法
    基于權(quán)值動量的RBM加速學(xué)習(xí)算法研究
    蜆木扦插苗人工幼林生長節(jié)律
    慢性給予GHRP-6對小鼠跑輪運(yùn)動日節(jié)律的影響
    模擬微重力對NIH3T3細(xì)胞近日節(jié)律基因的影響
    基于生物電信號的駕駛疲勞檢測方法
    汽車電器(2014年8期)2014-02-28 12:14:29
    日日撸夜夜添| 亚洲在线观看片| 中文字幕人妻熟人妻熟丝袜美| 午夜爱爱视频在线播放| 在现免费观看毛片| 俄罗斯特黄特色一大片| 国产黄色小视频在线观看| 国产av不卡久久| 精品一区二区免费观看| 精品一区二区免费观看| 国产精品免费一区二区三区在线| 日本精品一区二区三区蜜桃| 久久久久久久久久黄片| 久久久久久久久久黄片| 深夜精品福利| 五月玫瑰六月丁香| 精品久久久久久久久av| 精品午夜福利在线看| 久久人人爽人人爽人人片va| 91久久精品国产一区二区三区| 国产主播在线观看一区二区| 亚洲中文字幕一区二区三区有码在线看| 少妇熟女aⅴ在线视频| 少妇高潮的动态图| 久久精品91蜜桃| 国产女主播在线喷水免费视频网站 | 国产精品久久久久久av不卡| 18禁黄网站禁片免费观看直播| 亚洲精品成人久久久久久| 精品人妻偷拍中文字幕| 国产午夜福利久久久久久| av.在线天堂| av.在线天堂| 一区二区三区激情视频| 亚洲精品亚洲一区二区| 自拍偷自拍亚洲精品老妇| 3wmmmm亚洲av在线观看| 亚洲av.av天堂| 久久精品影院6| 亚洲狠狠婷婷综合久久图片| 日日干狠狠操夜夜爽| 午夜老司机福利剧场| 亚洲av免费高清在线观看| av女优亚洲男人天堂| 又爽又黄无遮挡网站| 亚洲国产精品久久男人天堂| 女同久久另类99精品国产91| 亚洲精品一卡2卡三卡4卡5卡| 日本黄色视频三级网站网址| 99久久久亚洲精品蜜臀av| 午夜福利18| 国产乱人伦免费视频| 蜜桃亚洲精品一区二区三区| 国产久久久一区二区三区| 久久久久精品国产欧美久久久| 日日夜夜操网爽| 老女人水多毛片| 国产伦在线观看视频一区| 成人永久免费在线观看视频| 啦啦啦韩国在线观看视频| 人妻制服诱惑在线中文字幕| 91午夜精品亚洲一区二区三区 | 男人的好看免费观看在线视频| 欧美一区二区亚洲| 偷拍熟女少妇极品色| 一本久久中文字幕| 国产真实乱freesex| 精品无人区乱码1区二区| 一级黄片播放器| 在线免费观看不下载黄p国产 | av在线观看视频网站免费| 日韩精品有码人妻一区| 国产精品免费一区二区三区在线| 九九热线精品视视频播放| 一夜夜www| 欧美xxxx黑人xx丫x性爽| 亚洲最大成人手机在线| 韩国av在线不卡| 99久国产av精品| 九色国产91popny在线| 大又大粗又爽又黄少妇毛片口| 亚洲av中文字字幕乱码综合| 国语自产精品视频在线第100页| 亚洲一区二区三区色噜噜| 国产视频一区二区在线看| 国产精品无大码| 精品久久久久久久久av| 色综合站精品国产| 日韩欧美精品免费久久| 国产精品伦人一区二区| 看片在线看免费视频| 免费观看在线日韩| av中文乱码字幕在线| 久久人人爽人人爽人人片va| 欧美zozozo另类| 亚洲成人久久爱视频| 欧美国产日韩亚洲一区| 搡老熟女国产l中国老女人| 午夜福利在线观看免费完整高清在 | 别揉我奶头~嗯~啊~动态视频| 亚洲图色成人| 国产午夜精品论理片| 成人毛片a级毛片在线播放| 国产伦精品一区二区三区视频9| 偷拍熟女少妇极品色| 成人av在线播放网站| av黄色大香蕉| 亚洲av二区三区四区| 不卡一级毛片| 搡老岳熟女国产| a级毛片a级免费在线| 日本欧美国产在线视频| 午夜激情福利司机影院| 老女人水多毛片| 成人国产综合亚洲| 91午夜精品亚洲一区二区三区 | 欧美成人一区二区免费高清观看| 久9热在线精品视频| 人妻少妇偷人精品九色| 国产亚洲欧美98| 十八禁国产超污无遮挡网站| 麻豆一二三区av精品| 日韩中文字幕欧美一区二区| 丰满的人妻完整版| 精品一区二区三区视频在线| 欧美高清成人免费视频www| 国产精品福利在线免费观看| 日韩av在线大香蕉| 啦啦啦韩国在线观看视频| 午夜免费成人在线视频| 日韩高清综合在线| 国产精品人妻久久久久久| 91av网一区二区| 亚洲精华国产精华精| 十八禁国产超污无遮挡网站| 亚洲专区中文字幕在线| 欧美zozozo另类| 国产精品永久免费网站| 动漫黄色视频在线观看| av在线天堂中文字幕| 欧美极品一区二区三区四区| 欧美区成人在线视频| 国产欧美日韩精品亚洲av| 午夜激情欧美在线| 国产高清不卡午夜福利| 国产精品爽爽va在线观看网站| 国产v大片淫在线免费观看| 亚洲av五月六月丁香网| 哪里可以看免费的av片| 国产v大片淫在线免费观看| 免费av不卡在线播放| 亚洲自偷自拍三级| 女人被狂操c到高潮| 白带黄色成豆腐渣| 国产一区二区亚洲精品在线观看| 亚洲精品456在线播放app | 国产淫片久久久久久久久| 国产精品不卡视频一区二区| 午夜a级毛片| 久久国内精品自在自线图片| 成人无遮挡网站| 免费在线观看日本一区| 日本 av在线| 久久九九热精品免费| 欧美高清成人免费视频www| 男女下面进入的视频免费午夜| 日本一二三区视频观看| 熟妇人妻久久中文字幕3abv| 色吧在线观看| 干丝袜人妻中文字幕| 天天一区二区日本电影三级| 91麻豆精品激情在线观看国产| 人妻少妇偷人精品九色| 变态另类成人亚洲欧美熟女| 久久久久久久午夜电影| 成熟少妇高潮喷水视频| 男人舔奶头视频| 久久亚洲真实| av专区在线播放| 欧美日本亚洲视频在线播放| 久久久久国内视频| 久久久久免费精品人妻一区二区| 久久精品久久久久久噜噜老黄 | 国产男靠女视频免费网站| 丝袜美腿在线中文| 午夜日韩欧美国产| 日韩欧美三级三区| 成年女人毛片免费观看观看9| 九九在线视频观看精品| 午夜亚洲福利在线播放| 精品久久久噜噜| 国产精品无大码| 亚洲欧美清纯卡通| 免费看光身美女| 深夜精品福利| 成熟少妇高潮喷水视频| 久久欧美精品欧美久久欧美| 少妇猛男粗大的猛烈进出视频 | 九色国产91popny在线| 一区二区三区高清视频在线| 亚洲熟妇熟女久久| 欧美成人a在线观看| 成年免费大片在线观看| 在线国产一区二区在线| 男女啪啪激烈高潮av片| 深夜精品福利| 中国美白少妇内射xxxbb| 看免费成人av毛片| 少妇人妻一区二区三区视频| 欧美一区二区国产精品久久精品| 久久国内精品自在自线图片| 尤物成人国产欧美一区二区三区| 老司机深夜福利视频在线观看| 嫩草影视91久久| 麻豆国产97在线/欧美| 最近在线观看免费完整版| 亚洲人成网站高清观看| 欧美日韩综合久久久久久 | 久久精品国产亚洲网站| 亚洲无线观看免费| 日本五十路高清| 欧美xxxx黑人xx丫x性爽| 成人精品一区二区免费| 国产精品免费一区二区三区在线| 桃色一区二区三区在线观看| 99视频精品全部免费 在线| 俄罗斯特黄特色一大片| 国产精品野战在线观看| 99国产精品一区二区蜜桃av| 亚洲人成网站在线播| 亚洲经典国产精华液单| 丰满人妻一区二区三区视频av| 国产黄色小视频在线观看| 一个人免费在线观看电影| 午夜激情欧美在线| 中文字幕av在线有码专区| 日韩欧美国产一区二区入口| 国产精品三级大全| 国产亚洲av嫩草精品影院| 久久人妻av系列| 不卡一级毛片| 变态另类丝袜制服| 久久久国产成人精品二区| 亚洲一区二区三区色噜噜| 两个人视频免费观看高清| 美女被艹到高潮喷水动态| www.色视频.com| 日本 欧美在线| 极品教师在线视频| 日本熟妇午夜| 国产伦精品一区二区三区视频9| 1024手机看黄色片| 国产激情偷乱视频一区二区| 国产精品福利在线免费观看| 一区二区三区四区激情视频 | 国产91精品成人一区二区三区| 久久午夜福利片| 国产色婷婷99| 中文字幕av成人在线电影| 成年女人永久免费观看视频| aaaaa片日本免费| 伦精品一区二区三区| 精品久久久久久久久亚洲 | 成年版毛片免费区| 日韩欧美三级三区| 亚洲精品乱码久久久v下载方式| 波多野结衣高清无吗| 亚洲精华国产精华精| 中文字幕久久专区| 一区二区三区高清视频在线| 国产精品爽爽va在线观看网站| 桃色一区二区三区在线观看| 欧美日本视频| 午夜影院日韩av| 欧美成人性av电影在线观看| 欧美国产日韩亚洲一区| 1000部很黄的大片| 国产精品精品国产色婷婷| 老司机午夜福利在线观看视频| 国产精华一区二区三区| 中文字幕人妻熟人妻熟丝袜美| 国内精品美女久久久久久| 国产成人福利小说| 国产单亲对白刺激| 白带黄色成豆腐渣| 国产精品,欧美在线| av女优亚洲男人天堂| 久久久久久久久中文| 一级a爱片免费观看的视频| 免费搜索国产男女视频| 淫妇啪啪啪对白视频| 久久精品国产自在天天线| aaaaa片日本免费| 在线a可以看的网站| 长腿黑丝高跟| 国产v大片淫在线免费观看| 亚洲中文字幕日韩| 国产一区二区激情短视频| 又爽又黄无遮挡网站| 小说图片视频综合网站| 久久久久久国产a免费观看| 男人狂女人下面高潮的视频| 国产白丝娇喘喷水9色精品| 在线免费观看的www视频| 熟女人妻精品中文字幕| 两性午夜刺激爽爽歪歪视频在线观看| 一a级毛片在线观看| 午夜免费激情av| 国产欧美日韩精品一区二区| 久久人人精品亚洲av| 中国美女看黄片| 大又大粗又爽又黄少妇毛片口| 禁无遮挡网站| 久久精品国产鲁丝片午夜精品 | 变态另类丝袜制服| 97超级碰碰碰精品色视频在线观看| 少妇高潮的动态图| 五月玫瑰六月丁香| 久久久久久久亚洲中文字幕| 日韩欧美一区二区三区在线观看| 免费黄网站久久成人精品| 久久国产乱子免费精品| 99久国产av精品| 国产精品无大码| 久久久久性生活片| 最好的美女福利视频网| 国内精品久久久久久久电影| 男女啪啪激烈高潮av片| x7x7x7水蜜桃| 欧美日本亚洲视频在线播放| 免费在线观看成人毛片| 国产三级在线视频| 男人狂女人下面高潮的视频| 精品久久久久久,| xxxwww97欧美| 无遮挡黄片免费观看| xxxwww97欧美| 国产真实伦视频高清在线观看 | 婷婷六月久久综合丁香| 亚洲不卡免费看| 午夜福利欧美成人| 成人鲁丝片一二三区免费| 成人av一区二区三区在线看| 国产精品久久久久久av不卡| 亚洲午夜理论影院| 亚州av有码| 色尼玛亚洲综合影院| 午夜影院日韩av| 乱系列少妇在线播放| 99视频精品全部免费 在线| 国内毛片毛片毛片毛片毛片| 老女人水多毛片| 3wmmmm亚洲av在线观看| 亚洲欧美激情综合另类| 亚洲中文字幕日韩| 男女之事视频高清在线观看| 日韩欧美国产在线观看| 日本色播在线视频| 午夜精品久久久久久毛片777| h日本视频在线播放| 久久人人爽人人爽人人片va| 成熟少妇高潮喷水视频| 成人av一区二区三区在线看| 夜夜爽天天搞| 久久久久免费精品人妻一区二区| 我的女老师完整版在线观看| 国产69精品久久久久777片| 永久网站在线| 欧美zozozo另类| 国产欧美日韩精品一区二区| 午夜影院日韩av| 久久久久九九精品影院| 欧美日韩国产亚洲二区| 国产精品久久久久久精品电影| 很黄的视频免费| 欧美一区二区精品小视频在线| 精品一区二区三区视频在线| 久久热精品热| 别揉我奶头~嗯~啊~动态视频| 91久久精品电影网| 国产精品一区www在线观看 | 亚洲欧美精品综合久久99| 日本色播在线视频| 亚洲不卡免费看| 黄色女人牲交| 日本一本二区三区精品| 精品久久久久久久久av| 午夜免费男女啪啪视频观看 | 22中文网久久字幕| 性插视频无遮挡在线免费观看| 在线播放无遮挡| 欧美bdsm另类| 欧美xxxx黑人xx丫x性爽| 国产在线精品亚洲第一网站| 极品教师在线视频| 国产精品不卡视频一区二区| 精品乱码久久久久久99久播| 老司机福利观看| 国产毛片a区久久久久| 国产免费av片在线观看野外av| 嫁个100分男人电影在线观看| 成人综合一区亚洲| 日韩欧美国产一区二区入口| 免费观看人在逋| 精品久久久久久久人妻蜜臀av| 日韩中字成人| 日本黄色片子视频| 久久国产乱子免费精品| 别揉我奶头~嗯~啊~动态视频| 小说图片视频综合网站| 国产高清视频在线观看网站| 在线观看午夜福利视频| 成人综合一区亚洲| 人人妻人人澡欧美一区二区| 嫩草影院新地址| 一本精品99久久精品77| 91久久精品电影网| 日日干狠狠操夜夜爽| 麻豆一二三区av精品| 3wmmmm亚洲av在线观看| 一本一本综合久久| 亚洲成av人片在线播放无| 男女下面进入的视频免费午夜| 天美传媒精品一区二区| 国产精品久久电影中文字幕| 欧美区成人在线视频| 国产精品一区二区三区四区久久| 99热6这里只有精品| 黄色一级大片看看| 国产亚洲91精品色在线| 精品久久久久久成人av| 91av网一区二区| 久久精品国产亚洲网站| 亚洲精品在线观看二区| 午夜激情欧美在线| 国内少妇人妻偷人精品xxx网站| 国产亚洲av嫩草精品影院| 变态另类成人亚洲欧美熟女| 中文字幕熟女人妻在线| 成人高潮视频无遮挡免费网站| av在线天堂中文字幕| 黄色丝袜av网址大全| 成年女人看的毛片在线观看| 超碰av人人做人人爽久久| 精品久久久久久久久久免费视频| 99热只有精品国产| 国产色爽女视频免费观看| 麻豆国产97在线/欧美| 日韩大尺度精品在线看网址| 亚洲自偷自拍三级| 不卡一级毛片| 一边摸一边抽搐一进一小说| 亚洲精品一卡2卡三卡4卡5卡| a在线观看视频网站| 99视频精品全部免费 在线| 91久久精品国产一区二区成人| 国语自产精品视频在线第100页| 丝袜美腿在线中文| 又黄又爽又免费观看的视频| 国产黄色小视频在线观看| av天堂中文字幕网| 欧美xxxx黑人xx丫x性爽| 国产乱人伦免费视频| 国内精品宾馆在线| 人妻夜夜爽99麻豆av| 给我免费播放毛片高清在线观看| 日本五十路高清| 最近在线观看免费完整版| 日韩精品中文字幕看吧| 午夜亚洲福利在线播放| 国产精品99久久久久久久久| 天天躁日日操中文字幕| 一个人看的www免费观看视频| 一区二区三区四区激情视频 | 亚洲av免费高清在线观看| 欧美区成人在线视频| 午夜福利在线观看吧| 日韩国内少妇激情av| 日本爱情动作片www.在线观看 | 桃红色精品国产亚洲av| 国产综合懂色| 最好的美女福利视频网| 欧美xxxx黑人xx丫x性爽| 中文字幕高清在线视频| 婷婷六月久久综合丁香| 国产单亲对白刺激| 亚洲中文字幕日韩| 久久天躁狠狠躁夜夜2o2o| 婷婷精品国产亚洲av| 99国产精品一区二区蜜桃av| 国产精品一区二区三区四区免费观看 | 18禁黄网站禁片免费观看直播| 国产精品久久久久久久久免| 精华霜和精华液先用哪个| 国产色爽女视频免费观看| 亚州av有码| 日本一本二区三区精品| 黄色视频,在线免费观看| 在线播放无遮挡| 色哟哟·www| 日本熟妇午夜| 亚洲aⅴ乱码一区二区在线播放| 国产一区二区三区视频了| 99在线视频只有这里精品首页| 悠悠久久av| 中亚洲国语对白在线视频| 91久久精品电影网| 一级黄片播放器| 此物有八面人人有两片| 九九爱精品视频在线观看| 国产精品av视频在线免费观看| 直男gayav资源| 久久久久久国产a免费观看| 在线国产一区二区在线| 我要搜黄色片| 日本黄色视频三级网站网址| 欧美色视频一区免费| 成人毛片a级毛片在线播放| 如何舔出高潮| 午夜免费成人在线视频| 男人和女人高潮做爰伦理| 亚洲中文日韩欧美视频| 久久久成人免费电影| 亚洲美女搞黄在线观看 | av在线亚洲专区| 国产蜜桃级精品一区二区三区| 成年免费大片在线观看| 日韩欧美 国产精品| 欧美激情在线99| 午夜视频国产福利| 亚洲18禁久久av| 成人欧美大片| 99热只有精品国产| 精品久久久久久成人av| 日韩精品青青久久久久久| 免费观看的影片在线观看| 欧美最新免费一区二区三区| АⅤ资源中文在线天堂| 亚洲图色成人| 午夜福利在线在线| 久久久久性生活片| 亚洲欧美日韩无卡精品| 日韩欧美在线二视频| 日韩欧美三级三区| 久久久精品大字幕| 69人妻影院| 亚洲经典国产精华液单| 俄罗斯特黄特色一大片| 亚洲电影在线观看av| 午夜精品久久久久久毛片777| 在线观看av片永久免费下载| 美女高潮的动态| 日韩人妻高清精品专区| 日本 欧美在线| 国产av麻豆久久久久久久| 国产欧美日韩精品亚洲av| 中文字幕精品亚洲无线码一区| 精品一区二区三区人妻视频| 嫁个100分男人电影在线观看| 欧美日本亚洲视频在线播放| 免费看日本二区| 国产不卡一卡二| 欧美最黄视频在线播放免费| or卡值多少钱| 亚洲精华国产精华液的使用体验 | av女优亚洲男人天堂| 日韩中字成人| 级片在线观看| 亚洲熟妇中文字幕五十中出| 日韩欧美在线乱码| 少妇的逼好多水| 波多野结衣巨乳人妻| 日韩高清综合在线| 亚洲成人精品中文字幕电影| 别揉我奶头 嗯啊视频| 美女高潮喷水抽搐中文字幕| 人妻制服诱惑在线中文字幕| 亚洲精华国产精华精| 人妻制服诱惑在线中文字幕| 可以在线观看的亚洲视频| 国产精品无大码| 别揉我奶头 嗯啊视频| 欧美性猛交╳xxx乱大交人| 又黄又爽又免费观看的视频| 最近最新免费中文字幕在线| 亚洲乱码一区二区免费版| 女的被弄到高潮叫床怎么办 | 欧美高清性xxxxhd video| 高清日韩中文字幕在线| 日韩国内少妇激情av| 中国美女看黄片| 国产真实伦视频高清在线观看 | 精品乱码久久久久久99久播| 日本熟妇午夜| 午夜激情欧美在线| 国产一区二区在线观看日韩| 18+在线观看网站| 欧美激情在线99| 人人妻,人人澡人人爽秒播| 91麻豆av在线| or卡值多少钱| 亚洲最大成人中文| 久久国内精品自在自线图片| 美女免费视频网站| 最近最新中文字幕大全电影3| 校园人妻丝袜中文字幕| 亚洲人成网站在线播放欧美日韩| 成人二区视频| 日本 av在线| 伦精品一区二区三区| 最近最新免费中文字幕在线| 成人av一区二区三区在线看| 天堂影院成人在线观看| 色综合站精品国产| 动漫黄色视频在线观看|