Neural Network Entropy (NNetEn): Entropy-Based EEG Signal and Chaotic Time Series Classification, Python Package for NNetEn Calculation

要約

エントロピー測定は、時系列分類問題に効果的な機能です。
シャノン エントロピーなどの従来のエントロピー測定では、確率分布関数が使用されます。
ただし、時系列を効果的に分離するには、システムのカオス的なダイナミクスを特徴付ける新しいエントロピー推定方法が必要です。
ニューラル ネットワーク エントロピー (NNetEn) の概念は、ニューラル ネットワークの貯蔵庫に記録された時系列のエントロピーに関連した特別なデータセットの分類に基づいています。
NNetEn は、独自の方法で時系列のカオス ダイナミクスを推定し、確率分布関数を考慮しません。
私たちは、R2 効率とピアソン効率という 2 つの新しい分類指標を提案します。
NNetEn の効率は、分散解析を使用して正弦マッピングの 2 つのカオス時系列を分離することで検証されます。
2 つの近い動的時系列 (r = 1.1918 および r = 1.2243) では、F 比は 124 の値に達し、分類問題における導入された方法の高い効率を反映しています。
健康な人とアルツハイマー病患者の脳波信号分類は、NNetEn 機能の実際の応用を示しています。
私たちの計算は、従来のエントロピー測定と NNetEn の概念を組み合わせて適用すると、分類精度が向上する相乗効果を示しています。
Python でのアルゴリズムの実装が示されています。

要約(オリジナル)

Entropy measures are effective features for time series classification problems. Traditional entropy measures, such as Shannon entropy, use probability distribution function. However, for the effective separation of time series, new entropy estimation methods are required to characterize the chaotic dynamic of the system. Our concept of Neural Network Entropy (NNetEn) is based on the classification of special datasets in relation to the entropy of the time series recorded in the reservoir of the neural network. NNetEn estimates the chaotic dynamics of time series in an original way and does not take into account probability distribution functions. We propose two new classification metrics: R2 Efficiency and Pearson Efficiency. The efficiency of NNetEn is verified on separation of two chaotic time series of sine mapping using dispersion analysis. For two close dynamic time series (r = 1.1918 and r = 1.2243), the F-ratio has reached the value of 124 and reflects high efficiency of the introduced method in classification problems. The electroenceph-alography signal classification for healthy persons and patients with Alzheimer disease illustrates the practical application of the NNetEn features. Our computations demonstrate the synergistic effect of increasing classification accuracy when applying traditional entropy measures and the NNetEn concept conjointly. An implementation of the algorithms in Python is presented.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google