改进的BP神经网络在运动想象脑电分类中的应用

传统BP神经网络算法由于自身结构设置导致反馈调节能力不甚理想,在运动想象(MI)脑电信号多分类问题上的鲁棒性与识别性能有待进一步优化.研究并应用了基于粒子群算法(PSO)与蝙蝠算法(BA)的改进BP神经网络.经过初始编码序列寻优实现对原始BP神经网络的权值与阈值的更新,进而提升BP算法对MI脑电信号的分类识别能力.对2008年BCI竞赛数据MI脑电信号的包络幅值特征进行四分类,平均结果为96.25％.对实验室采集的MI脑电数据作进一步验证,二分类准确率为89.25％.实验结果表明BA-BP模型分类精度相较于PSO-BP方法提高了约24％,迭代效率提升了约50％,一定程度上抑制了BP神经网络算法局部最优的出现.该方法为脑电信号的多分类识别问题解决提供了一种新途径.