机构名称：
¥ 1.0
2伊拉克摩苏尔大学工程学院，伊拉克摩苏尔大学工程学院3生物医学工程系，工程学院，艾尔·纳兰大学，10072，伊拉克巴格达，伊拉克通讯 *Ali al-al-Saegh计算机工程系在许多现实情况下的应用，研究人员仍在提供许多方法，以更好地分析运动成像（MI）脑电图（EEG）信号。 通常，由于其非平稳性和高维度，EEG信号很复杂。 因此，需要在特征提取和分类中进行高度考虑。 在本文中，建立了几种混合分类模型，并比较了它们的性能。 三个著名的小波母函数用于从原始信号中生成缩放图。 尺度图用于传输众所周知的VGG-16深网络。 然后，使用六个分类器之一来确定输入信号的类别。 在两个MI EEG数据集上比较母亲功能和分类器不同组合的性能。 几个评估指标表明，使用Amor Mother小波函数的神经网络分类器的VGG-16特征提取器模型的表现优于最新研究的结果。 关键字：大脑计算机界面，深度学习，运动图像，转移学习，小波转换。2伊拉克摩苏尔大学工程学院，伊拉克摩苏尔大学工程学院3生物医学工程系，工程学院，艾尔·纳兰大学，10072，伊拉克巴格达，伊拉克通讯 *Ali al-al-Saegh计算机工程系在许多现实情况下的应用，研究人员仍在提供许多方法，以更好地分析运动成像（MI）脑电图（EEG）信号。通常，由于其非平稳性和高维度，EEG信号很复杂。因此，需要在特征提取和分类中进行高度考虑。在本文中，建立了几种混合分类模型，并比较了它们的性能。三个著名的小波母函数用于从原始信号中生成缩放图。尺度图用于传输众所周知的VGG-16深网络。然后，使用六个分类器之一来确定输入信号的类别。在两个MI EEG数据集上比较母亲功能和分类器不同组合的性能。几个评估指标表明，使用Amor Mother小波函数的神经网络分类器的VGG-16特征提取器模型的表现优于最新研究的结果。关键字：大脑计算机界面，深度学习，运动图像，转移学习，小波转换。
基于小波的电机的混合学习框架...
主要关键词
相关文件推荐
