Neue dynamische neuronale Netze mit zeitvarianten Gewichten und ihre Anwendung für die EEG- und EP-Mustererkennung

具有时变权重的新型动态神经网络及其在 EEG 和 EP 模式识别中的应用

• 批准号: 5174838
• 负责人: Professor Dr. Herbert Witte
• 金额: --
• 依托单位: Institut für Medizinische Statistik, Informatik und Dokumentation
• 依托单位国家: 德国
• 项目类别: Research Grants
• 财政年份: 1999
• 资助国家: 德国
• 起止时间: 1998-12-31 至 2001-12-31
• 项目状态: 已结题
• 来源: https://gepris.dfg.de/gepris/projekt/5174838?language=en
• 关键词: Neue; dynamische; neuronale; Netze; mit

Zielsetzung ist die Weiterentwicklung von Lernverhalten für rekurrente neuronale Netze mit zeitvarianten Gewichten im Hinblick auf eine Verbesserung der Generalisierungseigenschaften dieser Netzwerke. Das Vorhaben ist in einen methodischen und einen anwendungsorientierten Komplex untergliedert. Ziel des methodischen Teilkomplexes ist die theoretische Weiterentwicklung eines auf Pontryagins Maximumprinzip basierenden Lernverfahrens für rekurrente neuronale Netzwerke. Die Schwerpunkte dieser Entwicklungen stellen das Training von neuronalen Netzwerken mit verbesserter Generalisierungsfähigkeit sowie eine mögliche Verarbeitung von Signalen variabler Länge dar. Mit den zu entwickelnden Methoden ergibt sich die Möglichkeit eines effizienten Trainings von dynamischen Netzwerken und deren Einsatz als Klassifikation im Zusammenhang mit einer vorverarbeitungslosen Verarbeitung von biomedizinischen Daten. Dies wird im anwendungsorientierten Komplex anhand von EP- und EEG-Daten umgesetzt. Neben einer Klassifikation verschiedener Narkosezustände anhand von mehrdimensionalen Signalen, die sich aus EEG-Daten, akustisch und somatosensorisch evozierten Potentialen zusammensetzen, sollen dynamische neuronale Netze bei der Brust-Onseterkennung in sog. Burst-Suppression-Phasen in EEGs intensivpflichtiger Patienten eingesetzt werden.

Zielsetzung 是关于神经元网络学习和时间变化的 Weiterentwicklung von Lernverhalten for rekurrente Netzwerke. Das Vorhaben 是一种方法论和东方的复杂性。方法论复杂性是庞特里亚金的理论基础，是神经元网络学习的最大原理。神经元网络训练和一般性功能的训练是非常重要的，因此信号变量的变化是非常重要的。该方法适用于动态网络培训和生物医学数据分类分类。死于 EP 和 EEG 数据的复杂性。 Neben einer Klassifikation verschiedener Narkosezustände anhand von mehrDimensionen Signalen, die sich aus EEG-Datan, akustisch und somatosensorisch evozierten Potentialen zusammensetzen, sollen Dynamische Neuronale Netze bei der Brust-Onseterkennung in sog.脑电图强化患者的突发抑制阶段。