Aug, 2019
深度进化方法以生物启发的分类器优化用于脑 - 机交互
A Deep Evolutionary Approach to Bioinspired Classifier Optimisation for Brain-Machine Interaction
Jordan J. Bird, Diego R. Faria, Luis J. Manso, Anikó Ekárt, Christopher D. Buckingham
TL;DR本研究提出一种使用进化计算来选择有用的识别脑电特征并优化人工神经网络拓扑结构的新方法,同时探讨了深度学习和长短时记忆的调整,使用三个分类器对注意状态、情感和数字数据集进行比较,结果表明自适应提升的 LSTM 可以在注意力、情感和数字数据集上分别达到 84.44%、97.06% 和 9.94% 的准确度,进化优化的 MLP 趋近于自适应提升的 LSTM。