文献

J-GLOBAL ID：201302272715493998   整理番号：13A0596387

ELMと近似エントロピーに基づくEEG検出の手法

Approach of EEG detection based on ELM and approximate entropy

著者 (4件)： Yuan Qi (School of Information Sci. and Engineering, Shandong Univ., Jinan) ,  Zhou Weidong (School of Information Sci. and Engineering, Shandong Univ., Jinan) ,  Li Shufang (School of Information Sci. and Engineering, Shandong Univ., Jinan) ,  Cai Dongmei (School of Information Sci. and Engineering, Shandong Univ., Jinan)
資料名： Yiqi Yibiao Xuebao  (Yiqi Yibiao Xuebao)
巻： 33  号： 3  ページ： 514-519  発行年： 2012年 
JST資料番号： C2448A  ISSN： 0254-3087  CODEN： YYXUDY  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： 中国 (CHN)  言語： 中国語 (ZH)

抄録/ポイント： てんかん性EEGの自動検出と分類はてんかんの診断に重要である。この論文は先端学習機械(ELM)と近似エントロピー(ApEn)に基づく新しいEEG検出手法を提示する。まず第一に,非線型特徴としてApEnの値を算出する。次にウェーブレット変換を使用し,線形特徴として変動指数を計算する。第二に,特徴で単一隠れ層フィードフォワードニューラルネットワーク(SLFN)を訓練するためにELMアルゴリズムを採用する。最終的にSLFNをテストする。BPアルゴリズムやサポートベクトルマシン(SVM)と比較した実験は,訓練時間と分類精度の観点からELMの性能はより良く,発作間と発作性EEGsのための98%以上の満足な分類比率を達成すると証明した。Data from the ScienceChina, LCAS. Translated by JST

シソーラス用語： *エントロピー ,  脳波 ,  ニューラルネットワーク ,  サポートベクトルマシン ,  ウェーブレット変換 ,  計算機アルゴリズム ,  精度 ,  学習機械 ,  検出
準シソーラス用語： *近似エントロピー ,  EEG【脳波】 ,  フィードフォワードニューラルネット ,  BPアルゴリズム ,  分類精度 ,  自動検出 ,  SVM

分類 (1件)： システム設計・解析  (IA02030D)

タイトルに関連する用語 (4件)： ELM ,  近似エントロピー ,  EEG ,  手法