The EEG signals are preprocessed us

The EEG signals are preprocessed using Hilbert transform
for feature extraction and PCA for feature reduction.
Experiments are conducted using ten fold cross validation
using a MLP classifier. Table 1 gives the classifier model
parameters. Experiments are conducted using sigmoid and
tanh functions and learning rate varying from 0.1 to 0.4 and
momentum of 0.1 to 0.3.

ผลลัพธ์ (ไทย) 1:

สัญญาณ EEG จะ preprocessed ใช้แปลง Hilbertสำหรับการสกัดคุณลักษณะและ PCA ลดคุณลักษณะดำเนินการทดลองโดยใช้สิบพับข้ามตรวจสอบใช้เป็นลักษณนาม MLP ตารางที่ 1 ให้แบบลักษณนามพารามิเตอร์ ทดลองการทดสอบโดย sigmoid และฟังก์ชัน tanh และการเรียนรู้แตกต่างจาก 0.1 ถึง 0.4 อัตรา และโมเมนตัมของ 0.1-0.3

ผลลัพธ์ (ไทย) 2:

สัญญาณคลื่นสมองจะ preprocessed ใช้ Hilbert แปลง
สำหรับการสกัดบาร์และ PCA เพื่อลดคุณลักษณะ.
การทดลองจะดำเนินการโดยใช้การตรวจสอบข้ามสิบเท่า
โดยใช้ลักษณนาม MLP ตารางที่ 1 จะช่วยให้รูปแบบลักษณนาม
พารามิเตอร์ การทดลองจะดำเนินการโดยใช้ sigmoid และ
Tanh ฟังก์ชั่นและการเรียนรู้ที่แตกต่างกันอัตรา 0.1-0.4 และ
โมเมนตัมของ 0.1-0.3

ผลลัพธ์ (ไทย) 3:

การ preprocessed โดยใช้การแปลงฮิลเบิร์ตสัญญาณคลื่นสมองการสกัดคุณลักษณะและ PCA เพื่อลดคุณสมบัติการทดลองได้ทำการทดลองใช้สิบโฟลดใช้ MLP ลักษณนาม ตารางที่ 1 ให้ตัวแบบพารามิเตอร์ การทดลองใช้แบบทดสอบและTANH ฟังก์ชันและอัตราการเรียนรู้ที่แตกต่างจาก 0.1 ถึง 0.4 และโมเมนตัมของ 0.1 ถึง 0.3