文章目录

1 概述

2 关键技术

2.1 前馈神经网络

2.2 生成对抗网络(GAN)模型

3 癫痫发病判别模型

3.1 生成器

3.2 判别器

    3.2.1 将输入的脑电波向量，切分成三个向量，并且利用三个相互独立的前馈神经网络对三个向量进行特征提取，即

    3.2.2 将由步骤3. 2.1得到的三个向量y1,y2,y3重新拼接成一个向量，即

    3.2.3 通过一个单层的前馈神经网络，将由步骤3. 2.2得到的向量y4映射到一个值在0～1的数，作为判别器的输出概率，即

4 模型训练设置

4.1 模型损失函数与优化

4.2 超参数设置

5 实验结果

5.1 数据集

5.2 实验环境

5.3 实验结果与分析

6 结论

文章摘要:癫痫是一种常见的慢性神经系统疾病,目前已经成为我国神经科发病人数最多的疾病之一。本文针对癫痫患者脑电波图的特性,提出了一种基于生成对抗网络的癫痫发病判别方法,采用多神经网络组合的方法对生成对抗网络的判别器进行了改进,并在公开数据集上进行了对比性实验。实验结果表明,本文所提出的方法预测准确率为95.32%,明显优于基础生成对抗网络模型,对癫痫发病判别的效果更好。

文章关键词:

论文分类号:TP18;R742.1

上一篇： 建筑科学与工程论文_基于gprMax的地下管线正
下一篇：没有了