换一批PSO-LSTM优化的癫痫预测和分类研究
Epilepsy prediction and classification based on PSO-LSTM optimization algorithm
摘要针对癫痫的传统药物治疗方法可能产生耐药性和手术治疗的非通用性等问题,提出一种基于计算模型的癫痫预测和分类算法.该算法从目前公认的癫痫发作机制的研究出发,采用计算模型生成具有特异性的癫痫数据,采用粒子群优化(particle swarm optimization,PSO)-长短期记忆网络(long short-term memory networks,LSTM)对癫痫进行分类和预测.PSO-LSTM算法突破参数搜索和时序特征捕捉的限制,在分析模拟癫痫不同数据特点的基础上,利用LSTM模型预测癫痫发作进程,并采用PSO算法优化LSTM模型参数,达到提高模型精度的目的.采用PSO-LSTM算法对癫痫发作进行分类和预测,并与传统算法进行对比,结果表明:该算法比传统算法在预测和分类癫痫方面具有更高的准确性和鲁棒性.
更多相关知识
关键词
癫痫预测和分类特异性粒子群优化-长短期记忆网络epilepsy prediction and classificationspecificityparticle swarm optimization(PSO)-long short-term memo-ry networks(LSTM)
DOI
10.19573/j.issn2095-0926.202403004
发布时间
2024-11-06（万方平台首次上网日期，不代表论文的发表时间）
基金项目
国家自然科学基金（62103301）
天津职业技术师范大学科研启动项目（KYQD202358）
- 浏览11
- 被引1
- 下载4
相似文献
- 中文期刊
- 外文期刊
- 学位论文
- 会议论文
