Debido a las características no lineales y de alta dimensión de la electroencefalografía de imágenes motoras (MI-EEG), puede ser un reto obtener una alta precisión en línea. Como método de reducción de la dimensión no lineal, el despliegue de la máxima varianza de referencia (L-MVU) puede retener completamente las características no lineales de la MI-EEG. Sin embargo, L-MVU sigue requiriendo considerables costes de cálculo para los datos fuera de muestra. En este trabajo se propone una versión incremental de L-MVU (denominada IL-MVU). La representación de baja dimensión de los datos de entrenamiento es generada por L-MVU. Para cada dato fuera de la muestra, se encontrarán sus vecinos más cercanos en las muestras de entrenamiento de alta dimensión y se calculará la correspondiente matriz de pesos de reconstrucción para generar también su representación de baja dimensión. IL-MVU se combina además con la transformada wavelet compleja de doble árbol (DTCWT), que desarrolla un método híbrido de extracción de características (denominado IL-MD). IL-MVU se aplica para extraer las características no lineales de las señales de subbanda específicas, que se reconstruyen mediante DTCWT y presentan el evidente fenómeno de sincronización/desincronización relacionada con eventos. Las características de energía media de las ondas α y β se calculan simultáneamente. Los dos tipos de características se fusionan y se evalúan mediante un clasificador de análisis discriminante lineal. Se han realizado experimentos exhaustivos a partir de dos conjuntos de datos públicos con 12 sujetos. Las precisiones medias de reconocimiento de la validación cruzada de 10 veces son del 92,50% en el conjunto de datos 3b y del 88,13% en el conjunto de datos 2b, y obtienen al menos un 1,43
y 3,45%, respectivamente, en comparación con los métodos existentes. Los resultados experimentales muestran que IL-MD puede extraer características más precisas con un coste de consumo relativamente menor, y también tiene una mejor visualización de las características y características autoadaptativas a los sujetos. Los resultados de la prueba t y los valores Kappa sugieren que el método de extracción de características propuesto alcanza la significación estadística y tiene una alta consistencia en la clasificación.
Esta es una versión de prueba de citación de documentos de la Biblioteca Virtual Pro. Puede contener errores. Lo invitamos a consultar los manuales de citación de las respectivas fuentes.
Artículo:
Despliegue de la función calidad (QFD): beneficios y limitaciones detectados en su aplicación al diseño de prótesis mioeléctrica de mano
Artículo:
Mejora de la precisión de la clasificación de nódulos pulmonares mediante deep learning con pérdida focal
Artículo:
Algoritmo de predicción de factores de riesgo para la salud física de jóvenes estudiantes basado en Deep Learning
Artículo:
Efecto de la porosidad del fotoánodo de TiO2 sobre la cinética de difusión del colorante y el rendimiento de las células solares estándar sensibilizadas por colorante
Artículo:
Almacenamiento de hidrógeno en materiales compuestos de nanopolvo de hierro/carbono: Efecto de la variación del contenido de hierro en la adsorción de hidrógeno
Informe, reporte:
Diagnóstico sobre la logística del comercio internacional y su incidencia en la competitividad de las exportaciones de los países miembros
Infografía:
Sistemas de calidad. Six Sigma
Manual:
Química de los taninos
Artículo:
Influencia del COVID-19 en las dinámicas de exportación, producción y consumo de carne vacuna en Colombia y el mundo: Una revisión monográfica.