• <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
    老司机影院成人| 亚洲欧洲精品一区二区精品久久久 | 18禁国产床啪视频网站| 看十八女毛片水多多多| 亚洲av中文av极速乱| 大陆偷拍与自拍| 国产精品av久久久久免费| 亚洲av欧美aⅴ国产| 观看av在线不卡| 亚洲综合色网址| 欧美国产精品一级二级三级| 90打野战视频偷拍视频| 99热网站在线观看| 亚洲一区二区三区欧美精品| 久久精品国产亚洲av涩爱| 你懂的网址亚洲精品在线观看| 免费看不卡的av| 国产av一区二区精品久久| 日韩伦理黄色片| 男女边摸边吃奶| 亚洲七黄色美女视频| 亚洲欧美一区二区三区黑人| 交换朋友夫妻互换小说| 亚洲成国产人片在线观看| 午夜免费鲁丝| 成年人午夜在线观看视频| 女的被弄到高潮叫床怎么办| 久热这里只有精品99| 亚洲国产日韩一区二区| 亚洲国产精品一区二区三区在线| 日韩一卡2卡3卡4卡2021年| 亚洲精品国产色婷婷电影| 99久久综合免费| 侵犯人妻中文字幕一二三四区| www.自偷自拍.com| 国产精品国产av在线观看| 亚洲男人天堂网一区| 叶爱在线成人免费视频播放| 欧美日韩福利视频一区二区| 精品第一国产精品| 又黄又粗又硬又大视频| 一边摸一边抽搐一进一出视频| 国产欧美日韩一区二区三区在线| 熟女av电影| 免费观看人在逋| 欧美日韩视频精品一区| 美女扒开内裤让男人捅视频| 99久久综合免费| 麻豆乱淫一区二区| 国产成人系列免费观看| 欧美激情极品国产一区二区三区| 久久久亚洲精品成人影院| 国产成人免费观看mmmm| 91精品伊人久久大香线蕉| 国产精品免费视频内射| 久久婷婷青草| 精品免费久久久久久久清纯 | 在线精品无人区一区二区三| 麻豆av在线久日| 最近最新中文字幕免费大全7| 日韩成人av中文字幕在线观看| 超碰成人久久| av在线app专区| 99re6热这里在线精品视频| 精品免费久久久久久久清纯 | 天天躁夜夜躁狠狠躁躁| 一区二区三区四区激情视频| 观看av在线不卡| 9色porny在线观看| 成人国语在线视频| 亚洲av男天堂| 亚洲av成人精品一二三区| 日本一区二区免费在线视频| bbb黄色大片| 亚洲一卡2卡3卡4卡5卡精品中文| 美女扒开内裤让男人捅视频| 国产 精品1| 伊人久久大香线蕉亚洲五| 亚洲欧美成人精品一区二区| 电影成人av| 亚洲免费av在线视频| 黄色怎么调成土黄色| 免费日韩欧美在线观看| 亚洲五月色婷婷综合| 亚洲美女搞黄在线观看| 日本黄色日本黄色录像| 十八禁人妻一区二区| 亚洲国产欧美在线一区| 99久国产av精品国产电影| 久久人人97超碰香蕉20202| 另类亚洲欧美激情| 人成视频在线观看免费观看| 一级毛片 在线播放| 国产一区二区 视频在线| 久久久久网色| 免费黄频网站在线观看国产| 国产精品.久久久| 国产精品偷伦视频观看了| 国产精品人妻久久久影院| 精品少妇内射三级| 熟妇人妻不卡中文字幕| 女性生殖器流出的白浆| 69精品国产乱码久久久| 国产亚洲最大av| 欧美 亚洲 国产 日韩一| 999久久久国产精品视频| 久久精品aⅴ一区二区三区四区| 精品国产乱码久久久久久男人| 日韩不卡一区二区三区视频在线| 啦啦啦视频在线资源免费观看| 水蜜桃什么品种好| 欧美av亚洲av综合av国产av | 日韩精品有码人妻一区| 国产免费视频播放在线视频| 美女视频免费永久观看网站| 黄片小视频在线播放| a级毛片在线看网站| 色综合欧美亚洲国产小说| 女人爽到高潮嗷嗷叫在线视频| 国产欧美日韩一区二区三区在线| 欧美在线黄色| 免费观看av网站的网址| 少妇人妻 视频| 国产成人av激情在线播放| 免费黄色在线免费观看| 国产日韩欧美亚洲二区| 肉色欧美久久久久久久蜜桃| 在线天堂最新版资源| 亚洲av中文av极速乱| 国产男女内射视频| 美女福利国产在线| 亚洲精品一区蜜桃| 麻豆av在线久日| 十分钟在线观看高清视频www| 国产99久久九九免费精品| 久久人人爽人人片av| 巨乳人妻的诱惑在线观看| 免费观看人在逋| 亚洲av成人精品一二三区| 日日爽夜夜爽网站| 久久人人97超碰香蕉20202| 成年人免费黄色播放视频| 日本wwww免费看| 高清欧美精品videossex| avwww免费| 大香蕉久久成人网| 日日摸夜夜添夜夜爱| 国产亚洲av片在线观看秒播厂| 国产福利在线免费观看视频| 国产99久久九九免费精品| 涩涩av久久男人的天堂| 美女大奶头黄色视频| 久久人人爽av亚洲精品天堂| 国产一区有黄有色的免费视频| 精品福利永久在线观看| 丁香六月欧美| 日韩精品免费视频一区二区三区| 免费人妻精品一区二区三区视频| 一级毛片电影观看| 在线观看www视频免费| 欧美激情 高清一区二区三区| 婷婷色麻豆天堂久久| 国产成人啪精品午夜网站| 在现免费观看毛片| 久久久精品免费免费高清| 国产精品久久久久久人妻精品电影 | 免费观看人在逋| 亚洲成国产人片在线观看| 国产在视频线精品| 国产亚洲av片在线观看秒播厂| 成人免费观看视频高清| 欧美久久黑人一区二区| 色视频在线一区二区三区| 日韩 亚洲 欧美在线| 久久婷婷青草| 久久免费观看电影| 久久影院123| 最近2019中文字幕mv第一页| 欧美人与善性xxx| 成人黄色视频免费在线看| 天堂8中文在线网| 另类精品久久| videosex国产| 国产一区二区在线观看av| netflix在线观看网站| 飞空精品影院首页| 色网站视频免费| 日韩一卡2卡3卡4卡2021年| 丰满少妇做爰视频| 精品国产一区二区三区四区第35| 久久人妻熟女aⅴ| 视频区图区小说| 观看av在线不卡| 久久久久国产一级毛片高清牌| 午夜福利视频精品| 欧美av亚洲av综合av国产av | 少妇人妻久久综合中文| 亚洲精品久久午夜乱码| 韩国高清视频一区二区三区| 不卡视频在线观看欧美| 日日撸夜夜添| 精品国产乱码久久久久久小说| 欧美另类一区| 黄色视频在线播放观看不卡| 久久精品熟女亚洲av麻豆精品| 欧美在线一区亚洲| 精品一区在线观看国产| 久久久久久免费高清国产稀缺| 亚洲精品美女久久av网站| 观看av在线不卡| 黄色毛片三级朝国网站| 国产一区有黄有色的免费视频| 亚洲七黄色美女视频| 精品午夜福利在线看| 国产片特级美女逼逼视频| 秋霞伦理黄片| 亚洲av中文av极速乱| 国产精品女同一区二区软件| 久久久久久久大尺度免费视频| 黄色视频不卡| 午夜老司机福利片| 亚洲精品日本国产第一区| 国产淫语在线视频| 电影成人av| 爱豆传媒免费全集在线观看| 不卡av一区二区三区| avwww免费| 亚洲精品,欧美精品| 久久99热这里只频精品6学生| 纯流量卡能插随身wifi吗| 久久国产精品大桥未久av| 最新在线观看一区二区三区 | 国产熟女午夜一区二区三区| 精品久久久精品久久久| 久久精品aⅴ一区二区三区四区| 只有这里有精品99| 一区二区三区四区激情视频| 丝瓜视频免费看黄片| 最近中文字幕2019免费版| 国产一区二区激情短视频 | 精品国产乱码久久久久久男人| 久久鲁丝午夜福利片| av免费观看日本| 精品人妻一区二区三区麻豆| 午夜免费观看性视频| 亚洲激情五月婷婷啪啪| 国产精品 欧美亚洲| 久热爱精品视频在线9| 免费看不卡的av| 成人黄色视频免费在线看| 色播在线永久视频| 日韩欧美一区视频在线观看| 九草在线视频观看| 亚洲国产av新网站| 女人被躁到高潮嗷嗷叫费观| 在线观看免费日韩欧美大片| 亚洲欧美中文字幕日韩二区| 国产精品av久久久久免费| 午夜免费鲁丝| 亚洲第一青青草原| 亚洲欧洲日产国产| 日韩视频在线欧美| 日韩大片免费观看网站| 999精品在线视频| 午夜福利网站1000一区二区三区| 美国免费a级毛片| 中文字幕人妻丝袜一区二区 | 亚洲国产看品久久| 日韩中文字幕视频在线看片| 国产亚洲精品第一综合不卡| 国产精品秋霞免费鲁丝片| 韩国av在线不卡| 男女之事视频高清在线观看 | 无限看片的www在线观看| 捣出白浆h1v1| 亚洲情色 制服丝袜| 亚洲国产看品久久| xxx大片免费视频| 亚洲图色成人| 99热国产这里只有精品6| 日韩一区二区三区影片| 纵有疾风起免费观看全集完整版| 无限看片的www在线观看| av有码第一页| 日本爱情动作片www.在线观看| 亚洲精品久久成人aⅴ小说| 色婷婷av一区二区三区视频| 飞空精品影院首页| 欧美日韩视频精品一区| 国产精品国产三级国产专区5o| 国产福利在线免费观看视频| 欧美国产精品va在线观看不卡| 国产在线免费精品| 亚洲,一卡二卡三卡| a级片在线免费高清观看视频| 国产精品人妻久久久影院| 丝瓜视频免费看黄片| 欧美日韩视频精品一区| 曰老女人黄片| 久久天堂一区二区三区四区| svipshipincom国产片| tube8黄色片| 亚洲美女视频黄频| 天天躁夜夜躁狠狠躁躁| 十八禁人妻一区二区| 亚洲国产精品一区三区| 色94色欧美一区二区| 国产精品免费大片| 国产成人系列免费观看| 国产一区亚洲一区在线观看| 一个人免费看片子| 亚洲精品乱久久久久久| 一个人免费看片子| 少妇被粗大猛烈的视频| 黄色 视频免费看| 丝袜人妻中文字幕| 在线免费观看不下载黄p国产| 国产福利在线免费观看视频| 成年人午夜在线观看视频| 欧美激情高清一区二区三区 | 色网站视频免费| 日日摸夜夜添夜夜爱| 欧美激情极品国产一区二区三区| 两个人看的免费小视频| 一本一本久久a久久精品综合妖精| 午夜久久久在线观看| 日本欧美视频一区| 欧美黑人精品巨大| 黄色一级大片看看| 欧美人与性动交α欧美精品济南到| 国产成人a∨麻豆精品| 999精品在线视频| 久久天堂一区二区三区四区| 美女脱内裤让男人舔精品视频| 国产麻豆69| 丝袜美足系列| 午夜福利视频在线观看免费| 久久99精品国语久久久| 亚洲国产欧美网| 久久精品aⅴ一区二区三区四区| 99精品久久久久人妻精品| 热99国产精品久久久久久7| 久久亚洲国产成人精品v| 亚洲国产av影院在线观看| 久久久久精品性色| 日韩,欧美,国产一区二区三区| 日日撸夜夜添| 国产精品国产三级国产专区5o| 黑丝袜美女国产一区| 国产人伦9x9x在线观看| 国产亚洲精品第一综合不卡| 只有这里有精品99| 无限看片的www在线观看| 亚洲在久久综合| 一本色道久久久久久精品综合| 精品亚洲乱码少妇综合久久| 七月丁香在线播放| 亚洲国产毛片av蜜桃av| 久久久国产一区二区| 亚洲国产看品久久| 久久久精品94久久精品| 亚洲精华国产精华液的使用体验| 亚洲av电影在线观看一区二区三区| 午夜免费观看性视频| 国产激情久久老熟女| 日韩精品免费视频一区二区三区| 久久久精品94久久精品| 尾随美女入室| 日本爱情动作片www.在线观看| 久久久久精品人妻al黑| 久久韩国三级中文字幕| 天天添夜夜摸| 19禁男女啪啪无遮挡网站| 国产精品一区二区在线不卡| 欧美黄色片欧美黄色片| 日本爱情动作片www.在线观看| 不卡视频在线观看欧美| 少妇猛男粗大的猛烈进出视频| 国产精品.久久久| 在线观看免费高清a一片| 久久久久久久久久久免费av| 一区二区三区乱码不卡18| 欧美日韩亚洲综合一区二区三区_| av电影中文网址| 国产av码专区亚洲av| 亚洲国产欧美网| 欧美日韩综合久久久久久| 咕卡用的链子| 满18在线观看网站| 侵犯人妻中文字幕一二三四区| 18在线观看网站| 麻豆精品久久久久久蜜桃| 超色免费av| 国产无遮挡羞羞视频在线观看| 香蕉国产在线看| 国产一级毛片在线| 精品国产乱码久久久久久小说| 三上悠亚av全集在线观看| 在线观看免费午夜福利视频| 亚洲av在线观看美女高潮| 桃花免费在线播放| 欧美97在线视频| 欧美另类一区| kizo精华| 天天躁日日躁夜夜躁夜夜| 美女高潮到喷水免费观看| 成年人午夜在线观看视频| 蜜桃国产av成人99| 欧美xxⅹ黑人| 久久97久久精品| 久久毛片免费看一区二区三区| 七月丁香在线播放| 蜜桃国产av成人99| 久久久亚洲精品成人影院| 嫩草影院入口| 高清视频免费观看一区二区| 国产激情久久老熟女| 亚洲成人免费av在线播放| 成人黄色视频免费在线看| 欧美日韩av久久| 精品国产露脸久久av麻豆| 久久青草综合色| 少妇被粗大的猛进出69影院| 最近最新中文字幕免费大全7| 欧美日韩亚洲高清精品| 青草久久国产| 麻豆精品久久久久久蜜桃| 男的添女的下面高潮视频| 最近中文字幕高清免费大全6| 久热这里只有精品99| www.精华液| avwww免费| 欧美日韩一级在线毛片| a级毛片黄视频| 欧美日韩综合久久久久久| 欧美日韩视频高清一区二区三区二| 午夜福利乱码中文字幕| 爱豆传媒免费全集在线观看| 欧美日韩亚洲高清精品| 日韩av不卡免费在线播放| 老司机在亚洲福利影院| 欧美在线一区亚洲| 婷婷色综合www| 欧美日韩综合久久久久久| 一级毛片我不卡| 午夜福利在线免费观看网站| 嫩草影院入口| 乱人伦中国视频| 日本av免费视频播放| 少妇 在线观看| 亚洲激情五月婷婷啪啪| 水蜜桃什么品种好| 亚洲一级一片aⅴ在线观看| 男女免费视频国产| 久久青草综合色| www.av在线官网国产| 中文字幕av电影在线播放| 国产成人精品福利久久| 一二三四中文在线观看免费高清| 女性生殖器流出的白浆| 国产免费视频播放在线视频| 色94色欧美一区二区| 99九九在线精品视频| 叶爱在线成人免费视频播放| 亚洲欧美清纯卡通| 天天添夜夜摸| 丝袜美足系列| 捣出白浆h1v1| 久久青草综合色| 黄色一级大片看看| 一边亲一边摸免费视频| 日韩视频在线欧美| 国产男人的电影天堂91| 午夜影院在线不卡| 中文精品一卡2卡3卡4更新| 精品一区二区三卡| 熟女少妇亚洲综合色aaa.| 欧美黑人精品巨大| 日韩av免费高清视频| 91成人精品电影| 国产成人91sexporn| 丁香六月天网| 亚洲国产欧美在线一区| 国产精品香港三级国产av潘金莲 | 18在线观看网站| 麻豆乱淫一区二区| 国产一区二区三区av在线| 国产精品99久久99久久久不卡 | 亚洲精品国产av成人精品| 久久精品人人爽人人爽视色| 午夜免费鲁丝| 男女床上黄色一级片免费看| 在线观看国产h片| 亚洲精品久久成人aⅴ小说| 少妇的丰满在线观看| 国产亚洲av片在线观看秒播厂| 精品一区二区三区四区五区乱码 | 欧美人与性动交α欧美软件| 欧美日韩综合久久久久久| 好男人视频免费观看在线| 国产精品.久久久| 啦啦啦视频在线资源免费观看| 欧美激情极品国产一区二区三区| 亚洲 欧美一区二区三区| 久久鲁丝午夜福利片| 亚洲色图综合在线观看| 在线天堂中文资源库| 国产99久久九九免费精品| 成年人免费黄色播放视频| 美国免费a级毛片| 18在线观看网站| 日韩制服丝袜自拍偷拍| 美女扒开内裤让男人捅视频| 国产欧美亚洲国产| 热99国产精品久久久久久7| 日韩一区二区视频免费看| 久久影院123| 国产男女超爽视频在线观看| 亚洲精品成人av观看孕妇| 日本wwww免费看| 80岁老熟妇乱子伦牲交| 美女福利国产在线| 一级,二级,三级黄色视频| 伊人久久大香线蕉亚洲五| 国产成人啪精品午夜网站| 成年动漫av网址| 国产在线视频一区二区| 最新在线观看一区二区三区 | 日本午夜av视频| 在线观看www视频免费| 国产精品国产三级专区第一集| 亚洲熟女毛片儿| 久久精品亚洲av国产电影网| 黄网站色视频无遮挡免费观看| 久久99精品国语久久久| 日韩一区二区三区影片| 欧美亚洲 丝袜 人妻 在线| 青春草国产在线视频| 欧美亚洲 丝袜 人妻 在线| 激情视频va一区二区三区| 国产精品偷伦视频观看了| 免费看av在线观看网站| 欧美精品一区二区免费开放| 少妇 在线观看| 又大又爽又粗| 天堂俺去俺来也www色官网| 国产一区二区三区av在线| 妹子高潮喷水视频| 最黄视频免费看| 亚洲美女搞黄在线观看| 色婷婷av一区二区三区视频| 波多野结衣av一区二区av| 午夜久久久在线观看| 国产伦理片在线播放av一区| 日本爱情动作片www.在线观看| 女性生殖器流出的白浆| 午夜91福利影院| 国产精品免费视频内射| 美女大奶头黄色视频| 侵犯人妻中文字幕一二三四区| 欧美亚洲 丝袜 人妻 在线| 丰满饥渴人妻一区二区三| 又大又爽又粗| 激情视频va一区二区三区| 日本色播在线视频| 亚洲国产成人一精品久久久| 一区二区av电影网| 久久久国产欧美日韩av| 日韩中文字幕视频在线看片| 日韩一区二区视频免费看| 国产高清国产精品国产三级| 亚洲,欧美,日韩| 亚洲精品av麻豆狂野| 黑丝袜美女国产一区| 久久久久网色| 18在线观看网站| 晚上一个人看的免费电影| 少妇人妻久久综合中文| 一级爰片在线观看| 欧美少妇被猛烈插入视频| 高清视频免费观看一区二区| 少妇猛男粗大的猛烈进出视频| 美女脱内裤让男人舔精品视频| 老司机影院成人| 十八禁人妻一区二区| 女的被弄到高潮叫床怎么办| 亚洲伊人久久精品综合| 日韩视频在线欧美| 亚洲av电影在线观看一区二区三区| 九草在线视频观看| 最近手机中文字幕大全| 天天躁夜夜躁狠狠久久av| 久久精品久久久久久久性| 菩萨蛮人人尽说江南好唐韦庄| 久久av网站| 亚洲国产精品成人久久小说| 日韩不卡一区二区三区视频在线| 宅男免费午夜| 亚洲一区中文字幕在线| 精品一区二区免费观看| 黄片小视频在线播放| 久久久久网色| 日韩一卡2卡3卡4卡2021年| 99国产精品免费福利视频| 欧美日韩av久久| 一级毛片 在线播放| 国产欧美亚洲国产| 侵犯人妻中文字幕一二三四区| 少妇的丰满在线观看| 日韩熟女老妇一区二区性免费视频| 亚洲熟女毛片儿| 高清av免费在线| 国产精品一区二区在线观看99| 七月丁香在线播放| 美女中出高潮动态图|