【摘 要】
：
人脑是人体内非常复杂又重要的器官,研究人脑的功能是十分有意义的。视觉信息作为人类认知主要的信息来源,其运行机理一直是脑科学的研究热点。功能磁共振成像（functional Magnetic Resonance Imaging,f MRI）是目前观测人脑活动最主要的研究工具,可以对人脑以较高的时空分辨率进行三维无损成像。针对人脑视觉信息的解码问题,本文主要借助于图卷积网络模型,对人脑在静态图像刺激下
论文部分内容阅读
人脑是人体内非常复杂又重要的器官,研究人脑的功能是十分有意义的。视觉信息作为人类认知主要的信息来源,其运行机理一直是脑科学的研究热点。功能磁共振成像（functional Magnetic Resonance Imaging,f MRI）是目前观测人脑活动最主要的研究工具,可以对人脑以较高的时空分辨率进行三维无损成像。针对人脑视觉信息的解码问题,本文主要借助于图卷积网络模型,对人脑在静态图像刺激下获取的功能磁共振成像信号进行类别解码。以人脑中视觉信息的f MRI数据为研究对象,先对f MRI数据进行预处理和特征选择,然后通过两种不同的方式来构建图数据,再建立图卷积神经网络（Graph Convolutional Network,GCN）模型和支持向量机（Support Vector Machines,SVM）模型进行类别解码。针对人脑视觉信息的编码问题,本文主要通过将刺激图片编码过程类比为推荐系统中用户购买商品的过程,通过推荐系统的相关知识与方法进行研究。本文主要工作包括:1.提出了基于图卷积神经网络模型的人脑视觉信息解码方法。首先对功能磁共振成像数据进行数据预处理和特征选择操作,然后利用体素的结构与信息,通过两种不同的方式设置节点与连边,以建立图结构数据,并建立图卷积神经网络模型与SVM模型进行解码。实验结果表明,针对人脑在视觉图像刺激下获取的f MRI信号,两种方式构建的模型都具有良好的分类效果。2.提出了基于推荐算法的人脑视觉信息编码方法。本文创新性地将推荐算法与f MRI信号研究联系起来,将f MRI数据中的体素类比为推荐算法中的商品,将刺激图像视为用户,进而可以将f MRI信息编码中,刺激图像编码为体素的过程,类比为推荐算法中用户购买商品的过程,再使用推荐算法中网络模型的构建方法,通过基于物品相似度的召回操作与排序层的排序回归操作,得到人脑视觉图像的编码信号,最终实现刺激图像的编码分析。
其他文献
近几年来各种“黑天鹅”、“灰犀牛”事件的频发,使得股票市场投资者极易产生恐慌情绪,投资者情绪波动引起全球金融市场的剧烈动荡,严重影响股票市场稳定。因此如何更加清楚地认识投资者情绪对市场产生的冲击,正确理解和准确预测市场的情况,减少投资者在市场中的非理性行为,是促进当前中国股票市场有序运行与健康发展的重点。同时这也是当前学者们及相关机构的研究方向。Fama-French三因子模型是早先资产定价领域的
在万物皆媒的传播生态下,以短视频为代表的新型媒体形式,正在逐渐走向主流。其直观的表达和分享方式迎合了新生代的媒介使用偏向,成为人们获取新闻资讯的重要途径。2020年,新型冠状病毒席卷全球,人们都充斥在惊恐和焦灼的情绪当中。央视新闻抖音号自1月20日首次发布疫情短视频以来,每日爆款视频平均点击量达一百万,成为最具传播力的新冠肺炎舆情阵地之一。它用独特的情感话语和表达方式向公众呈现疫情的实时动态,传递
目的 应用蛋白质组学方法探讨仙连解毒方（Xian-Lian-Jie-Du Decotion,XLJDD）治疗小鼠结直肠癌湿热瘀毒证模型的作用靶点及信号通路。方法 采用偶氮甲烷（AOM）/葡聚糖硫酸钠（DSS）结合高糖高脂饲料喂养的复合方法建立小鼠结直肠癌湿热瘀毒证模型，将小鼠分为空白对照（Control）组、湿热瘀毒证模型（Model）组、仙连解毒方处理（XLJDD）组。XLJDD组于造模同时开始
文本分类是自然语言处理中最基础也是最重要的任务之一,它可以发现文档之间的规律并判别不同文档的类别。文本分类利用数据挖掘和机器学习等常用方法,可以对文本或数据进行有效分类,为文本的获取和利用提供了更高效的方法。随着web2.0时代的到来,产生的各种类型的数据和信息使得数据呈爆炸式增长,给信息检索带来很大的困扰。在海量的文本数据中实现对文本的快速分类,并且实现文章推荐、语义分析、信息检索、信息抽取和机
计算机技术的快速发展,使得信息传递更加快速和便捷,信息安全问题也变得更为复杂。数字图像作为多媒体文件的重要组成部分,因其具有形象传递信息的特点,被广泛应用于社交网络、金融、医疗军事等领域,保护数字图像安全已经成了一个研究的热点。传统数字图像加密是各种保护方式中最直观的一种,可以将图像加密为无意义的类噪声密文图像,从而达到保护图像的目的。然而密文图像的类噪声、不可视的特点容易引起注意,从而招致攻击。
极化码（Polar Code）是Arikan教授基于信道极化（Channel Polarization）现象提出的一种可达到香农（Shannon）极限的新型信道编码。它具有明确的构造方法和编译码结构,编译码算法复杂度低,所以它有望在通信领域得到应用,并具有很高的研究价值。但是,通常情况下用于构建极化码的核矩阵大小为2×2,导致它的编码长度会限制在2的n次方,这阻碍了极化编码适应灵活的信道条件。为了
由于无线通信技术的迅猛发展,微波技术与设备的研究朝着高性能、小型化、低成本的方向推进,其研发和生产时间也越来越紧迫。为了适应当前技术的发展速度,建立一套高效率、高精度的宽带滤波器设计方法显得尤为重要。本文主要以一款两段级联开路枝节加载的平行耦合线宽带滤波器为研究对象,在近年来国内外宽带滤波器设计研究基础上,运用人工神经网络构建正确的电磁替代模型,进而高效率、高精度地实现该宽带滤波器的尺寸结构设计。
股票市场是一个高波动、非平稳、非线性动态的市场。股票价格波动具有不确定性、高收益、高风险等特点,成为众多投资者所关心和追逐的对象。目前,我国证券市场的研究热点之一是如何提高股票价格趋势预测性能。复杂多变的股票市场提高了投资者对市场分析能力的要求。它不仅要将传统金融理论应用于扩张后的市场,还要与尖端科技相结合。当前最常见的是基本面分析法、技术分析法以及基于统计学、人工智能等相关理论知识的股票预测。相
近年来,深度学习已成为包括医疗健康领域在内的不同应用中的重要研究方法,尤其在心电信号异常检测中,其作用更加凸显。然而,现有的基于深度学习的心电信号分类模型存在网络模型深度大和过拟合的问题,且分类模型的准确率有待提高。为此,本研究结合深度学习,通过引入不同形式的注意力机制进行优化,对心电信号分类方法展开研究,并利用MIT-BIH数据集对其分别进行训练和验证。本文主要研究内容如下:1)心电信号预处理。
算法技术重构了广告业的运作逻辑,微信记录了用户多维度的数据,以用户数据作为推送依据的微信朋友圈广告能实现广告的精准投放。00后青年群体成长于移动互联网时代,但却是各个代际中对广告态度最为消极,对网络隐私的关注程度更高的群体。为何会产生这种现象,哪些因素影响了00后青年的广告态度,是否00后青年群体对隐私的关注与他们的广告态度之间存在关系,成为了值得探讨的问题。本文以传统的认知——情感——行为三阶段