【摘 要】
：
随着人工智能的普及和社会互联网化的发展,实现人机情感的智能交互逐渐成为人们的最新需求。通过脑电信号分析人们当下的情感状态,为机器赋予识别和表达情感的能力,对脑机交互和医疗康复等领域有重要研究意义。然而,脑电信号的非平稳特性使得脑电数据分布存在差异,基于脑电的情感识别精度往往比较低。为此,有学者提出将迁移学习应用于脑电数据分布对齐,提高情感识别性能。但是现有研究工作大多集中在域不变特征空间的学习上,
论文部分内容阅读
随着人工智能的普及和社会互联网化的发展,实现人机情感的智能交互逐渐成为人们的最新需求。通过脑电信号分析人们当下的情感状态,为机器赋予识别和表达情感的能力,对脑机交互和医疗康复等领域有重要研究意义。然而,脑电信号的非平稳特性使得脑电数据分布存在差异,基于脑电的情感识别精度往往比较低。为此,有学者提出将迁移学习应用于脑电数据分布对齐,提高情感识别性能。但是现有研究工作大多集中在域不变特征空间的学习上,没有与识别过程进行联合,同时缺少对共享子空间情感特征与脑电关键频段以及脑区之间深层联系的分析。基于当前研究中存在的问题,本文从以下两个方面提出了改进:（1）针对脑电数据分布差异过大导致情感识别精度低下的问题,本文提出了联合域适应和半监督单层神经网络模型。该模型基于迁移学习中的域适应方法,利用特征变换将脑电数据投影到低维共享子空间,使脑电数据同时满足边缘分布和条件分布对齐。然后,提出基于图的半监督单层神经网络对特征对齐后的脑电数据进行情感标签的计算。本文在SEED＿Ⅳ脑电数据集上完成了一系列跨时段情感识别实验,实验结果表明联合域适应和半监督单层神经网络模型在跨时段脑电情感识别任务中的识别精度取得了较大提高。（2）针对当前研究集中在领域不变的特征学习上没有与识别过程统一起来以及缺少对子空间情感激活模式分析的问题,本文创新性地提出了联合特征和图自适应的半监督标签传播模型。该模型将域不变特征学习、半监督情感状态估计和自适应最优图学习统一起来,实现了联合优化。本文在SEED＿Ⅳ和SEED＿Ⅴ数据集上进行了一系列跨被试脑电情感识别实验,结果表明:1)与当前最新工作相比,跨被试情感识别性能得到明显提高,体现了该模型的有效性;2)在模型训练过程中逐步优化脑电样本的情感度量,说明了进行最优图学习的必要性;3)基于投影矩阵计算得到情感特征重要性,分析情感特征对应的关键频段和脑区,表明学习到的共享子空间的优越性。
其他文献
单克隆抗体药物具有高特异性和低成本的优点,在药品研发领域有着广泛的应用,利用杂交瘤细胞可以大量的生产单克隆抗体。在杂交瘤生产流程中,必须对试管中的细胞进行定期筛选。传统的杂交瘤细胞筛选通过人工完成,存在着效率低下和容易发生主观性偏差等缺点。本文采用深度学习技术,提出了两种基于卷积神经网络的杂交瘤细胞图像分割算法,并且设计和完成了杂交瘤细胞图像自动分割系统,实现对细胞图像快速且精确的分割。通过大量的
近年来,借助深度学习算法对医学影像中的细胞及组织进行识别和诊断的分析技术,逐渐成为了医学影像诊断领域的热门研究方向。卷积神经网络（Convolutional Neural Network,CNN）作为一种高效的深度学习算法,广泛应用于医学影像诊断领域。但由于CNN模型在训练前需要初始化参数,因此当初始参数选择不恰当时会带来各种问题。首先,对于CNN模型的初始权重,传统的方法是采用随机初始化,这样会
工业视觉是智能制造的重要支撑,尤其是在自动化生产线中,工业视觉具备客观性、精确性、灵活性等优势。在自动化生产线中,与运动控制环节相比,输入的图像流会对视觉算法的时间造成波动,从而无法精准控制生产节拍。例如在印制电路板生产线上,由于裸板缺陷检测的时间难以掌控,只能给每一块裸板预留相同的上限时间,降低了生产线的时间效率。针对这一问题,本文围绕自动光学检测平台展开研究,以自动光学检测平台大量的视觉代码块
视觉系统是一个复杂的信息处理系统,它的资源十分有限,这就决定了视觉注意在同一时刻只能选择性地加工外界环境中很少一部分的信息,因此需要一种有效的机制从信息冗余的外界环境中精准地找到目标刺激,以提高认知加工的效率。其中,视觉注意的控制机制在这一过程中发挥了不可忽视的作用。本研究想要探索的是视觉工作记忆对视觉注意的引导作用,这是研究者们近期提出的一种自上而下的视觉注意控制机制。有许多研究者认为视觉注意可
职业生涯规划包括了对职业的定位,人生目标的设定以及如何实现自己目标的道路,是对人生道路进行整体性规划的过程。职业定位作为职业生涯规划的起点,对职业生涯规划起到至关重要的作用。然而,不知道自己适合什么职业是大多数人所面临的一个问题。目前现有的职业推荐方法,大多存在大众化、片面化的问题,并没有结合用户本身特点,来进行合理有效的个性化推荐。因此,从分析用户特征开始,提出了一种融合多种测评结果的多模型用户
时序行为检测旨在检测视频中的行为,不仅需要精确定位行为的起止点,还要为其预测正确的类别。时序行为检测任务是高层自动视频内容理解任务的基础,具有重要的学术研究意义以及应用价值。目前,时序行为检测任务的难点主要体现在三个方面:（1）大部分研究工作采用基于锚框的检测方法,通过预定义锚框覆盖可能包含行为的区域,存在计算量大且不灵活的问题;（2）时序信息在视频行为检测中非常重要,但传统的卷积形式并不能充分捕
近年来,受益于算法、硬件算力和数据集的高速发展,深度学习得到了广泛应用。但随着应用增多和数据量的增长,深度神经网络越来越复杂,参数规模从万级增加到亿级。单设备计算能力和存储能力有限,无法应对在大数据集上训练大模型。因此采用跨设备分布式并行技术将大模型切分为多个子模型,并将多个子模型分配到不同设备并行执行,已成为处理大模型的主流方法。现有的深度学习分布式并行策略主要基于专家经验设计,当模型、算法或集
目的 观察不同病因所致急性颅内大血管闭塞缺血性卒中患者血栓的病理学特征。方法 前瞻性收集单中心2018年12月至2021年2月收治的行血管内治疗（endovascular treatment, EVT）的急性缺血性卒中患者颅内血栓标本及临床资料。采用HE染色对比血栓病理形态特征，用病理图像分析软件行定量分析。结果 共纳入99例患者，按照改良TOAST（trial of Org 10 172 in
数据链系统是一种军事信息系统,与传统军事信息系统相比,其具有更好的互操作性,从而促进各系统单元进行任务功能协作。而数据链系统自动测试一直是一个亟需解决、值得探索的课题。在过去的研究中,测试用例生成需要测试人员对自然语言形式的消息标准进行标记以建立形式化模型,并且需要测试人员根据模型建立测试模型以及测试环境。这样的测试方式需要消耗大量时间与人力,且对测试人员的经验要求过高,最终导致漏检率高。另外,过
在位置社交网络（Location-Based Social Network,LBSN）中,邻居节点搜索问题是一个基本问题,并且已被学者们广泛研究。然而现有的大多数工作在进行此类查询时只关注节点本身的地理位置属性,而忽视了用户之间的社交关系。研究表明,在更多情况下,用户更倾向于和关系亲近的人参与某些社会活动,例如:相比于单独出行,用户更喜欢与朋友一起去酒吧或购物。出于这个考虑,本文提出了基于位置社交