2、脑启发式时空关联记忆与快速多尺度批量学习算法

脑启发式时空关联记忆与快速多尺度批量学习算法

在当今的数据挖掘领域，各种无监督学习方法正发挥着重要作用。同时，脑启发式的时空关联记忆神经网络也展现出巨大的潜力。下面我们将深入探讨这两方面的内容。

脑启发式时空关联记忆神经网络（STAM - SNN）

STAM - SNN 基于时空学习（STL），为时空数据处理提供了新的思路。它在多种时空数据（STD）应用中展现出潜在价值，如生物和大脑信号、环境数据、神经影像数据、多模态视听数据以及金融经济数据等。

实验案例研究

• 案例一：基于脑电图（EEG）数据的分类验证
  • 数据 ：使用手腕 3 种运动的 EEG 数据进行训练，包含 60 个样本，每个样本有 128 毫秒的时间点和 14 个变量（EEG 通道）。
  • 验证结果 ：
    • 当在所有数据上训练并验证，但仅使用 13 个输入变量（去除特征 6）时，模型的关联准确率仍为 100%。
    • 当在相同变量上验证，但仅使用 95%的时间点时，模型同样保持 100%的关联准确率。
    • 在三折交叉验证中，使用 50%的数据进行训练，其余 50%进行验证，无论是使用整个测试数据的时间序列还是仅使用 95%的时间，分类准确率均达到 90%。
  • 训练参数 ：SF 编码算法； firing 阈值 0.5；STDP 率 0.0