- 相關(guān)推薦
期望最大算法的優(yōu)化及其在神經(jīng)放電尖峰分類中的應(yīng)用
全部作者： 尹海兵 胡德文 劉亞東 李明 王玉成 第1作者單位： 國防科技大學(xué)機(jī)電工程與自動化學(xué)院自動控制系 論文摘要： 近年來，包括了基于多元t分布混合模型的期望最大算法(EM)在內(nèi)的多種自動實現(xiàn)神經(jīng)放電尖峰(spike)分類的方法不斷得到發(fā)展。然而，研究表明，EM算法具有線性收斂性，對于神經(jīng)放電尖峰的分類來說，由于計算時間的消耗而顯得不太適用。本文介紹了1種優(yōu)化的EM算法，它基于多元t分布混合模型，可以實現(xiàn)有效地神經(jīng)放電尖峰的分類。在神經(jīng)放電尖峰的高維特征空間內(nèi)，算法利用梯度上升原理對EM算法進(jìn)行了優(yōu)化，在仿真和實際數(shù)據(jù)中的應(yīng)用表明，優(yōu)化后的算法具有更好的收斂速度和更好的魯棒性，更適合應(yīng)用于神經(jīng)放電尖峰的分類。 關(guān)鍵詞： 神經(jīng)放電尖峰分類、期望最大算法、梯度上升 (瀏覽全文) 發(fā)表日期： 2008年04月10日 同行評議：
（暫時沒有）
綜合評價： （暫時沒有） 修改稿：【期望最大算法的優(yōu)化及其在神經(jīng)放電尖峰分類中的應(yīng)用】相關(guān)文章：
人工神經(jīng)網(wǎng)絡(luò)模型及其在優(yōu)化問題中的應(yīng)用03-07
模擬退火算法在匹配場定位優(yōu)化中的應(yīng)用03-07
MCMC算法在MIMO系統(tǒng)檢測中的應(yīng)用03-07
LonWorks及其在智能小區(qū)中的應(yīng)用03-21
目標(biāo)規(guī)劃及其在經(jīng)濟(jì)中的應(yīng)用12-26
Relay技術(shù)及其在WiMAX中的應(yīng)用03-07
MPEG-4中基于三系數(shù)DCT的算法優(yōu)化03-07
詞組堆迭句及其在翻譯中的應(yīng)用03-14