研究文章
分析基于脑功能成像的心理和情感倾向和深度的学习
|
| M-3DCNN算法 |
|
| 1。开始 |
| 2。输入:emotion-related脑电图地形图分为训练集和测试集
,和附近的空间大小
。训练集和测试集的样本归一化 |
| 3所示。输出:总体分类精度OA的混淆矩阵,平均分类精度AA,图像分类结果 |
| 4所示。为每个像素 |
| 5。剪裁的空间邻域大小 |
| 6。混合 |
| 7所示。初始化权重混合的方法 |
| 8。mini_batch每个训练样本 |
| 9。为
,
做 |
| 10。 |
| 11。 |
| 12。结束了 |
| 13。训练和测试的最佳M-3dCNN网络 |
| 14。初始化学习速率ξ、网络的重量
,网络抵消b,并设置迭代次数的训练时期 |
| 15。网络训练 |
| 16。分类的图像数据输入到训练M-3DCNN网络预测目标的类别 |
| 17所示。计算OA, AA |
| 18岁。emotion-related脑电图地形图的分类结果 |
| 19所示。结束 |
|
|
