توجه: محتویات این صفحه به صورت خودکار پردازش شده و مقاله‌های نویسندگانی با تشابه اسمی، همگی در بخش یکسان نمایش داده می‌شوند.
۱EOG artifact removal from EEG using a RBF neural network
اطلاعات انتشار: همایش ملی مهندسی برق و توسعه پایدار با محوریت دستاوردهای نوین در مهندسی برق، سال
تعداد صفحات: ۶
In this paper, a new adaptive radial–basis function– networks– (RBFN–) based filter for theadaptive noise cancellation (ANC) problem is proposed. The algorithm of structure identificationand parameters adjustment is developed. The proposed RBFN–based filtering approachimplements Takagi–Sugeno–Kang (TSK) fuzzy systems functionally. The RBFN–based filter hasthree major features: (1) No space pre partitioning is needed; (2) No predetermination, such asthe number of RBF neurons (fuzzy rules), must be given; (3) Fast learning speed is achieved.Simulation results demonstrate that the proposed adaptive RBFN–based filter can cancel thenoise successfully and efficiently with a parsimonious structure.<\div>
نمایش نتایج ۱ تا ۱ از میان ۱ نتیجه