期望最大算法的優(yōu)化及其在神經(jīng)放電尖峰分類(lèi)中的應用

全部作者： 尹海兵 胡德文 劉亞?wèn)| 李明 王玉成 第1作者單位： 國防科技大學(xué)機電工程與自動(dòng)化學(xué)院自動(dòng)控制系 論文摘要： 近年來(lái)，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(dòng)實(shí)現神經(jīng)放電尖峰(spike)分類(lèi)的方法不斷得到發(fā)展。然而，研究表明，EM算法具有線(xiàn)性收斂性，對于神經(jīng)放電尖峰的分類(lèi)來(lái)說(shuō)，由于計算時(shí)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(shí)現有效地神經(jīng)放電尖峰的分類(lèi)。在神經(jīng)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(jìn)行了優(yōu)化，在仿真和實(shí)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(jīng)放電尖峰的分類(lèi)。 關(guān)鍵詞： 神經(jīng)放電尖峰分類(lèi)、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(shí)沒(méi)有）

綜合評價(jià)： （暫時(shí)沒(méi)有） 修改稿：

【期望最大算法的優(yōu)化及其在神經(jīng)放電尖峰分類(lèi)中的應用】相關(guān)文章：

遺傳算法及其在求解TSP中的應用03-07

人工神經(jīng)網(wǎng)絡(luò )模型及其在優(yōu)化問(wèn)題中的應用03-07

模擬退火算法在匹配場(chǎng)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及其在智能小區中的應用03-21

目標規劃及其在經(jīng)濟中的應用12-26

Relay技術(shù)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