首页 | 本学科首页   官方微博 | 高级检索  
     

Liley模型的模拟EEG信号的非线性预测和分析
引用本文:王兴元,谭贵霖. Liley模型的模拟EEG信号的非线性预测和分析[J]. 计算物理, 2007, 24(5): 612-618
作者姓名:王兴元  谭贵霖
作者单位:大连理工大学电子与信息工程学院,辽宁,大连,116024;大连理工大学电子与信息工程学院,辽宁,大连,116024
基金项目:国家自然科学基金 , 辽宁省教育厅资助项目
摘    要:
分析Liley模型的模拟脑电(Electroencephalogram,EEG)信号的非线性预测和径向基函数(Radial Basis Functions,RBF)神经网络预测,利用相图分析和非线性正交预测(Nonlinear Cross-Prediction,NLCP)方法研究模拟EEG信号.结果发现:①RBF神经网络预测的效果要好于非线性预测;②NLCP方法对含有强周期分量的高维系统具有较好的适用性;③支持了EEG中存在混沌运动的观点.

关 键 词:Liley模型  脑电  非线性正交预测  径向基函数神经网络预测  混沌
文章编号:1001-246X(2007)05-0612-07
收稿时间:2006-05-19
修稿时间:2006-05-192006-08-21

Nonlinear Prediction and Analysis of EEG in a Liley Model
WANG Xingyuan,TAN Guilin. Nonlinear Prediction and Analysis of EEG in a Liley Model[J]. Chinese Journal of Computational Physics, 2007, 24(5): 612-618
Authors:WANG Xingyuan  TAN Guilin
Affiliation:School of Electronic & Information Engineering, Dalian University of Technology, Dalian 116024, China
Abstract:
Nonlinear prediction and RBF(Radial Basis Functions) neural network prediction of EEG(Electroencephalogram) signal in a Liley model are studied by phase graph and NLCP(Nonlinear Cross-Prediction).It concluded that: 1) RBF neural network prediction is better than nonlinear prediction;2) NLCP method is adaptive to time series with strong periodic components;3) support the exist of chaos in EEG signals.
Keywords:Liley model  Electroencephalogram  Nonlinear Cross-Predication  Radial Basis Functions neural network prediction  chaos
本文献已被 CNKI 维普 万方数据 等数据库收录!
点击此处可从《计算物理》浏览原始摘要信息
点击此处可从《计算物理》下载全文
设为首页 | 免责声明 | 关于勤云 | 加入收藏

Copyright©北京勤云科技发展有限公司  京ICP备09084417号