期望最大算法的優(yōu)化及其在神經放電尖峰分類中的應用

全部作者： 尹海兵 胡德文 劉亞東 李明 王玉成 第1作者單位： 國防科技大學機電工程與自動化學院自動控制系 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)在內的多種自動實現神經放電尖峰(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，可以實現有效地神經放電尖峰的分類。在神經放電尖峰的高維特征空間內，算法利用梯度上升原理對EM算法進行了優(yōu)化，在仿真和實際數據中的應用表明，優(yōu)化后的算法具有更好的收斂速度和更好的魯棒性，更適合應用于神經放電尖峰的分類。 關鍵詞： 神經放電尖峰分類、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)化及其在神經放電尖峰分類中的應用】相關文章：

遺傳算法及其在求解TSP中的應用03-07

人工神經網絡模型及其在優(yōu)化問題中的應用03-07

模擬退火算法在匹配場定位優(yōu)化中的應用03-07

MCMC算法在MIMO系統檢測中的應用03-07

LonWorks及其在智能小區(qū)中的應用03-21

目標規(guī)劃及其在經濟中的應用12-26

Relay技術及其在WiMAX中的應用03-07

MPEG-4中基于三系數DCT的算法優(yōu)化03-07

詞組堆迭句及其在翻譯中的應用03-14