本发明公开了一种基于脑电数据的用于评估记忆动态变化的多层建模方法,其步骤如下:(1)数据采集:使用无线脑电记录系统,按国际10‑20系统扩展的32导电极帽同步记录EEG(脑电图)信号;(2)基于EEG数据的多层建模:在模型训练中,使用小批量(mini‑batch)梯度下降法和Adam优化机制去训练模型;对于输入层和隐藏层,使用drop out技术以避免模型的过拟合;(3)假设输入层大小为d,隐含层大小为h,输出层大小为k。输入为X=(x1,x2,...,xd) g &theta h ( X ) = &Sigma i = 1 d w h i x i + b h 通过隐藏层我们得到了大小为h的隐藏层表示H=(h1,h2,...,hd)。 g &theta k ( X ) = s o f t max ( &Sigma i = 1 k w h i H i + b h ) 通过softmax层我们就能得到各个类别上的概率P=(p1,p2,...,pk),取最大概率上的类别作为模型的输出。本发明具有以下有益效果:节约成本。数据采集便捷。预测准确率提高。多层计算模型的预测结果在65%以上。
