收录：
摘要：
为了对不同思维状态下的脑电信号进行正确分类,克服神经网络分类器受噪声和冗余特征的影响出现的过拟合,提出了一种新的演化级联神经网络的学习算法.算法通过计算神经元对确认集的适应函数值,以逐步更新神经元对训练集的连接权重.适应函数值取决于被训练神经元的泛化能力,它随着神经元分类准确度的增加而降低.此网络由一个输入节点开始学习,随着演化增加新的输入神经元及新的隐神经元,最终经训练的网络含有最小数目的神经元及连接.此方法应用于区分两种思维状态下的脑电信号,经训练的网络对测试段的分类正确率为83.1%,与标准的BP网络进行比较,演化级联神经网络显示了较好的分类能力.
关键词：
通讯作者信息：
电子邮件地址：
