Sleep Stage Classification using Wavelet Transform and Neural Network

 
 
を読了.
 
英論の準備・・とか思って読んでたけど,内容があんまり面白くなかった.
というわけで,さらっとしか読んでないんだけどね.
 
ウェーブレットをきちんと理解してない(雰囲気しか分かってない)から,
その点に関しては勉強になったけども,まあ・・それはきちんと書籍でやらないとってことで.
 
とりあえず,疑問点としては,なぜ誤差逆伝播法を用いるのか.
それを選択した論拠ってのがあまり見えてこない.
あと,ウェーブレット使うときに,マザーウェーブレットにドベシィ20を使う理由.
他のではなく,それを使うのはなぜか.
他のと比べてどのような利点があるのかとか,数字で示してあると良いのになあ.
 
ウェーブレットを使うとなぜ良いのか,まあ数字としては明らかではないけど,
感覚的にはウェーブレットが最も優れている事は分かる.(どの程度の差か分からんけど確実に)
しかし,ウェーブレットを実際に適用するにあたって,マザーウェーブレットに何を使うか.
なぜに,どのようなアドバンテージがあってその関数を選ぶのか.
(とりあえず,連続量扱えないから(そもそも区間成分,特徴成分,扱うわけだし)離散ウェーブレットで,
んで,離散ウェーブレットといえばドベシィファミリーってとこまでは分かるけど,
なぜに20?他の論文だと3とか4を使ってた気が・・何を根拠に使ってるんだろうっていう)
 
あと,ニューラルネットワーク(NN)に関しても同じく.
バックプロパゲーションに自己組織化マップ,LVQ等々,
いろいろあるわけだけども,それぞれの優位性とかアドバンテージが分からん.
比較されて数字が明らかになってる論文があまり・・というか今のところ無いんだよねえ.
 
けっこう,主観的に一意に定めてる感がある.
そこのところをもう少し詳しく知りたいというか,明らかにしたいなあって思う.
 
まあ,もうちょい文献学的に研究してみて,場合によっては実験的に明らかにしたいなあ.
カテゴリー: 日課 パーマリンク