hotpants的博客

AdaBoost通过迭代添加弱学习器（与真实分类器仅轻微相关的分类器）来创建强学习器（与真实分类器相关性良好的分类器）。在每轮训练期间，都会向集成中添加一个新的弱学习器，并调整权重向量以重点关注前几轮中错误分类的示例。如此重复进行，直至基学习器数目达到事先指定的值T，最终将这T个基学习器进行加权结合。弱学习器的关键特征是它们的正确率要高于随机猜测，但如果它们与随机猜测的正确率相等，则被称为。要获得好的集成，个体学习器应“好而不同”，即要有一定的准确性（学习器不能太坏），且要有多样性（学习器间具有差异）。

关键词：m阶非线性模型，BP神经网络；神经网络结构：输入为7通道sEMG信号，输出为3个关节转动角度；

卷积运算就是将一个小的滑动窗口（称为卷积核或过滤器）在一个大的数据（称为输入或特征图）上滑动，并对每个窗口内的数据进行加权求和，得到一个新的数据（称为输出或激活图）。例如，在生物信号处理中，如果我们有1000个时间步长和8个信号通道，则我们可以将其表示为一个1000×8 的数组作为TCN 的输入。TCN还使用了空洞卷积，这是一种在卷积核中插入空白位置（称为膨胀因子）的技术，使得卷积核可以覆盖更长范围的输入，而不增加参数数量。就是CNN的卷积（卷积核在数据上进行的一种滑动运算的操作）。

全卷积神经网络