黑龙江省自然科学基金(F200506)
- 作品数：5 被引量：10H指数：2
- 相关作者：葛利陈广胜李新东胡晶更多>>
- 相关机构：哈尔滨商业大学东北林业大学哈尔滨工程大学更多>>
- 发文基金：黑龙江省自然科学基金黑龙江省科技计划项目国家自然科学基金更多>>
- 相关领域：自动化与计算机技术农业科学电子电信理学更多>>
- 多方法融合的EEG信号特征提取及分类研究被引量：1
- 2017年
- 在对EEG信号进行深入分析的基础上,将小波、分形和统计三种方法相结合,提出一种多方法融合的EEG信号分类特征提取方法.应用小波对EEG信号去噪,并对去噪重构后的EEG信号进行分解,提取各尺度空间上的平均高频系数作为第一部分EEG分类特征,在多尺度下对去噪重构后EEG信号进行多重分形分析,依据EEG数据的特点和分类的需要,提取相关多重分形谱参数作为第二部分EEG分类特征;根据EEG信号的特点,提取相关统计特征作为第三部分EEG分类特征;针对上述提取特征,使用BP神经网络作为分类器,结合EEG信号的自身特点和分类结果,选择确定最终的EEG分类特征,完成了EEG信号的分类.并通过比较说明了本文方法的优势,提高了EEG分类的精度.
- 葛利戈力娟胡晶
- 关键词：EEG特征提取
- 基于蚁群算法的过程神经网络研究被引量：1
- 2013年
- 为提高前馈过程神经网络的全局收敛能力和训练速度,提出一种蚁群过程神经网络模型,利用蚁群算法分布式计算、鲁棒性强的特点,将蚁群算法应用于前馈过程神经网络的训练,给出了蚁群过程神经网络的拓扑结构,讨论了蚁群过程神经网络的训练机制,分析了其计算特点.并将蚁群过程神经网络应用于黑龙江省年度GDP(Gross Domestic Product)预测,验证了蚁群过程神经网络的有效性.
- 葛利李新东
- 关键词：过程神经网络蚁群算法GDP
- 基于过程神经网络的木材生长轮密度预测被引量：3
- 2008年
- 提出一种基于过程神经网络的木材生长轮密度长期预测方法。本方法利用输入输出均为时变函数的过程神经网络输出为时变函数的特点,将原始数据拟合为输入函数并表示为一组正交基的展开形式后,使用混合遗传算法训练过程神经网络,得到过程神经网络的输出函数,以此实现木材生长轮密度的一次多步长期预测,通过与传统时间序列预测方法比较,预测精度得到显著提高,并为时间序列长期预测问题提供新方法。
- 葛利陈广胜
- 关键词：生长轮密度混合遗传算法过程神经网络
- 木材材质预测方法比较分析
- 2008年
- 分析了木材材质预测研究中常用的三种建模方法:回归分析方法、时间序列方法和神经网络方法的特点,以木材生长轮密度预测为例,给出了三种预测方法的建模过程与结果,并进一步对多个材性指标建模比较分析,认为:神经网络方法是木材材质预测的最优选择。
- 陈广胜葛利
- 关键词：神经网络时间序列分析
- 前馈过程神经网络的网络结构与泛化能力被引量：5
- 2008年
- 基于提高过程神经网络泛化能力的角度,对前馈过程神经网络网络结构对泛化能力的影响进行研究,得出以下结论:其过程神经元隐层(时变隐层)起主要作用,一般神经元隐层(非时变隐层)并非是必须的,对于相同特征的样本,过程神经元对样本特征的抽取能力远远高于传统神经元。给出了一个基于提高泛化能力的前馈过程神经网络网络结构构造算法,并应用一个实例验证了其有效性。
- 葛利陈广胜
- 关键词：过程神经网络网络结构泛化能力
