Resumen

En el tratamiento de niños con trastorno del espectro autista (TEA) a través de la percepción musical, el efecto de percepción y el desarrollo de la enfermedad se reflejan principalmente en las fluctuaciones del electroencefalograma (EEG), que es clínicamente efectivo en el cerebro. Existe un problema de inexactitud en la interpretación del electrograma, y el aprendizaje profundo tiene grandes ventajas en la extracción y clasificación de características de la señal. Basándose en la base teórica de la Red de Creencias Profundas (DBN) en el aprendizaje profundo, este artículo propone un método que combina el modelo de extracción de características de Restricted Boltzmann Machine (RBM) optimizado con el algoritmo de clasificación softmax. Se realiza un análisis de seguimiento de ondas cerebrales en niños con autismo que han recibido diferentes tratamientos de percepción musical para mejorar la precisión de la clasificación y lograr el propósito de juzgar con precisión la condición. A través del ajuste y optimización continuos de la matriz de pesos en el modelo

• Materias:Funciones Flujo de información Estudio de población Modelado de sistemas Modelo de campo
• Subjects:Functions Information flow Population study System modeling Field model
• Palabras claves:Tratamiento; Trastorno del espectro autista; Percepción musical; Electroencefalograma; Aprendizaje profundo; Algoritmo de clasificación
• Keywords:Treatment; Autistic spectrum disorder; Music perception; Electroencephalogram; Deep learning; Classification algorithm