Abstract
在這篇論文中，我們將把擴散網路(diffusion networks)應用在生醫信號辨識上。擴散網路在1993年首次被提出[1]，J.Movellan在2002年發表了用來調變擴散網路參數的蒙地卡羅期望值最大化學習(Monte Carlo EM learning)演算法[2]。J.Movellan認為配合這個演算法後，擴散網路具有學習隨機序列分佈的潛力。但是未有後續關於它應用與性質的研究出現。因此，此篇論文以研究擴散網路的應用與性質為目標，特別是生醫信號辨識上的應用。 要探討擴散網路的應用，則必須對它的性質有更近一步的了解。此篇研究中使用各式人造信號去測試擴散網路在學習時的特性。對於幫助擴散網路學習上，此論文提出了選擇擴散網路增益值的方法。對於觀察擴散網路學習上，此論文提出了用來判斷學習狀況的學習指標。對於驗證擴散網路性質上，此論文證實J.Movellan所說的：「擴散網路具有學習隨機序列分佈的潛力」，但要注意執行蒙地卡羅取樣時信心水準的問題。 這篇論文中所有的模擬結果，無論是執行蒙地卡羅期望值最大化學習演算法或實現生醫信號辨識系統，都是用寫成MATLAB程式碼來完成。 在生醫信號辨識的具體成果上，此篇論文成功的使用擴散網路辨識了心電圖信號和神經突波信號。並且提出了一個系統化的流程，對於其他的生醫信號，也可以利用這個流程來建立自己的辨識系統。