表面肌电信号分析中的数学处理方法

分析表面肌电信号的检测及常用的数学处理方法,用统一数学公式的方法描述傅里叶、短时傅里叶及小波在表面肌电信号分析中的应用。分析神经网络感知器在表面肌电信号分析中的应用,并针对表面肌电信号非线性及时变的特点,指出此领域方面的存在问题及未来表面肌电信号检测及处理技术的发展趋势。     

基于FastICA和卷积神经网络的脑电信号分类算法

为了改善传统脑电信号分类时间长、精度不够准确且分类难度较大的问题,利用脑电传感器(Mind Wave传感器)及Real Term软件从串口抓取数据获取脑电波TGAM数据包,并对采集的脑电信号数据进行分解计算处理,得到各个波段数据,使用基于负熵的独立分量分析的固定点算法(FastICA)提取脑电信号特征,并用深度学习分类算法对脑电信号进行分类。传统机器学习算法不能准确分类复杂的脑电信号,运用卷积神经网络(Convolutional Neural Network,CNN)提取数据进行训练,构建分类器,实现了对脑电信号更高效更准确的分类。实验结果表明,与Fisher线性判别、BP神经网络、朴素贝叶斯相比,此算法可以更准确地区分是否清醒的状态,对脑电信号分类的研究具有重大意义。     

小波分析在表面肌电信号(sEMG)研究中的应用

表面肌电信号是从肌肉表面通过电极记录下来的反映神经肌肉系统活动的一维时间序列非平稳生物电信号.而小波分析作为一种多分辨率时频分析方法是分析非平稳信号的有力数学工具.在简要回顾小波变换与多尺度分析的基础上,系统的总结了小波分析在当前表面肌电信号研究中的几个热点问题上的应用并剖析了其主要技术路线,包括小波分析在肌电信号预处理中的应用、小波分析在基于肌电信号的动作识别和假肢控制方法中的应用、小波分析肌肉疲劳评价中的应用等几方面.最后介绍了小波分析在笔者开发的新型外骨骼式上肢康复机械臂控制中的应用.     

基于LABVIEW的表面肌电信号采集系统设计

表面肌电信号(SEMG)属于非平稳的生物电信号,其特点是信号微弱,易受干扰。表面肌电信号的应用已经深入到临床医学、运动控制、生物医学与康复工程等诸多领域。针对表面肌电信号的特点,本系统采用Ag/AgCl电极拾取SEMG信号,设计了SEMG信号调理电路,并在LABVIEW环境下,设计开发了SENG信号检测系统上位机应用程序。程序功能包括实时显示SEMG波形、数字滤波、信号处理、波形记录和回放以及生成波形报表。实验过程中,使用三片电极测试了受试者右手的桡侧腕屈肌,成功采集到受试者肌肉静态与动态时的表面肌电波形。     

基于混合神经网络的协同过滤推荐模型

数据稀疏性是推荐系统中严重影响推荐结果准确性的重要因素之一.针对数据稀疏性提出了融合卷积神经网络（convolutional neural network,CNN）和降噪自编码（denoisingauto-encoder,DAE）神经网络混合的神经网络评分预测模型（convolutional-denosing autoencoder,CDAE）对用户未评分项目进行预测评分，从而解决数据稀疏性问题.首先将向量化后的用户评论数据通过卷积神经网络训练得到用户特征向量矩阵，其次将用户特征向量矩阵作为降噪自编码神经网络的初始权重，结合用户评分数据经过降噪自编码神经网络训练，得到用户-项目预测评分，然后在此基础上进行基于用户的协同过滤推荐.最后使用movielens-1M实验数据集对比验证了提出的混合神经网络协同过滤推荐（convolutional-denosing autoencoder collaborative filtering,CDAECF）模型.实验证明，所提出的CDAECF模型能够有效地结合隐性反馈和显性反馈数据，具有较高的推荐准确率.     

雷达网数据融合的自组织模糊神经网络模型

对雷达网的数据融合提出了一种自组织模糊神经网络模型,分析了该模型的自组织特征及神经元感应场内模糊隶属度函数最大的WTA竞争机制.通过二维舰船目标的识别和航迹融合仿真实验,证明了该方法的有效性.     

LBS位置服务系统中定位源的数据融合技术

一、数据融合技术1.数据融合技术。随着LBS（Location Based Service）系统获取数据源种类的不断增多,多源数据间的关联程度也日趋紧密,如何高效地处理数据的兼容问题就显得越发困难。另外,由于缺乏相关行业规范,设备厂家制定信息格式的自由度较大,造成了信息表现形式的多样化。基于这些原因,数据融合技术应运而生。2.数据融合技术的应用。传统的数据融合技术是指多个传     

煤矿带式输送机故障诊断中模糊神经网络的应用

以模糊数学分析及神经网络综合运用为基础,研究了煤矿带式输送机的故障诊断技术.通过对输入参数的模糊数据处理并利用神经网络的学习能力来实现对数据的训练,得到高精确度的故障参数,从而建立起相应的模糊神经网络,对带式输送机进行及时有效的故障判断.最后基于Matlab软件对训练数据的仿真表明,基于模糊神经网络的故障诊断相较于传统故障诊断技术具有极高的准确度,且数据反馈及时,运行稳定.     

LBS位置服务系统中定位源的数据融合技术

<正>一、数据融合技术1.数据融合技术。随着LBS(Location Based Service)系统获取数据源种类的不断增多,多源数据间的关联程度也日趋紧密,如何高效地处理数据的兼容问题就显得越发困难。另外,由于缺乏相关行业规范,设备厂家制定信息格式的自由度较大,造成了信息表现形式的多样化。基于这些原因,数据融合技术应运而生。2.数据融合技术的应用。传统的数据融合技术是指多个传     

跨音速大气/惯性攻角两步融合算法

攻角是飞机飞行的重要状态参数,也是飞控及导航系统必需的参数,现代战机对攻角精度要求越来越高.大气数据系统在跨音速条件下性能严重下降,大气攻角精度受到很大影响. 针对试验机大气数据传感器的配置特点,该文设计了一种基于变参数互补滤波器与神经网络的跨音速大气/惯性攻角两步融合算法,实现惯导系统和大气系统的攻角信息融合. 首先进行跨音速惯导天向回路解算,而后利用互补滤波器与神经网络对大气/惯性攻角进行互补融合与修正,使最终的融合修正攻角平稳、可靠,逼近真实攻角. 本文利用某型飞机的实际试飞数据对两步融合算法进行了验证. 结果表明,融合修正后的攻角能够基本去除跨音速飞行阶段原始大气攻角的剧烈波动,并与真实攻角吻合.     

基于粗糙集神经网络的铁路滚动轴承故障诊断

神经网络技术在故障诊断应用非常广泛,但仍存在需要改进的缺陷;粗糙集理论具有处理不完整和冗余样本数据的优点;用粗糙集优化的神经网络能有效克服其缺陷、提高故障诊断的可靠性,通过对铁路滚动轴承故障诊断的实际应用与分析验证了优化神经网络的正确性和良好的应用前景.     

刚性路面脱空的集成神经网络识别研究

通过有限元法建立了刚性路面脱空的计算模型,提出采用基于集成神经网络技术对刚性路面脱空状况进行识别,通过刚性路面脱空输入特征向量的组合,用各子神经网络对刚性路面脱空进行初步缺陷识别,然后对识别结果进行决策融合,给出了系统的实现策略和子网络的组建原则。数值模拟结果表明,采用本识别方法合理地选取了各种输入特征向量,具有更好的识别效果．     

ANN-CE:一种预测DNA结合位点的改进神经网络方法

基于误差平方和最小原则的神经网络方法并不适于解决DNA结合位点的预测问题,提出了一种改进的神经网络方法(ANN-CE)被用于对DNA结合位点进行预测.这是一个以交叉熵函数为目标函数的三层反向传播神经网络.计算结果表明,与基于误差平方和最小原则的同规模BP网络相比,其对DNA结合位点预测的敏感性Sn(sensitivity)和特异性Sp(specificity)可分别提高11.40%和11.91%.     

神经网络水印综述

梳理了近年来神经网络水印技术的发展脉络,将主流方法大致归为白盒水印、黑盒水印、无盒水印和脆弱水印。综述了神经网络水印的评价指标和上述4种不同类型的神经网络水印技术,探讨了现有神经网络水印方案的优缺点,并对未来的发展趋势进行了展望。     

基于神经网络误差修正的灰色广义预测控制

提出一种基于神经网络误差修正的多步灰色广义预测控制算法,采用神经网络对灰色系统的建模误差进行预测,同时根据新信息优先的原则,用最新预测误差不断更新神经网络建模数据,对新出现的误差具有动态补偿动力,最终预测值为模型预测值与预测误差之和,有效地抑制模型误差的影响,增强灰色广义预测的鲁棒性.仿真结果验证了该算法的有效性.     

基于知识蒸馏的轻量型浮游植物检测网络

当前基于卷积神经网络的目标检测框架已成为主流，使用深层的特征提取网络可以达到很好的目标检测效果，但带来的大量的参数和计算开销使这些算法难以应用到对存储空间和参数量有一定限制的嵌入式设备中.为此，该文提出将知识蒸馏方法用于目标检测网络的特征提取网络，以提升浅层特征提取网络的性能，在降低模型的计算量和规模的同时尽可能地保证模型的性能.实验结果表明，经过蒸馏的浅层网络作为特征提取网络的检测精度比没有经过教师指导的网络精度提高了11.7%.与此同时，该文构建的浮游植物目标检测数据集不仅可以评估一些最先进的目标检测算法的性能，也有利于未来浮游植物显微视觉技术的发展.