检索结果-维普期刊中文期刊服务平台

融合变分图自编码器与局部-全局图网络的认知负荷脑电识别模型: 1; 作者周天彤郑妍琪 +2 位作者魏韬戴亚康邹凌《计算机应用》北大核心 2025年第6期1849-1857,共9页; 针对认知负荷识别模型存在过于依赖手动特征提取、忽视脑电图(EEG)信号的空间信息和无法有效学习图结构数据的问题,提出一种融合变分图自编码器(VGAE)与局部-全局图网络(VLGGNet)的认知负荷EEG识别模型。该模型由时间学习模块和图形学... 展开更多; 关键词认知负荷脑电信号多尺度时间卷积变分图自编码器局部-全局图网络; 在线阅读下载PDF 职称材料

基于MCSANet网络的运动想象脑电分类: 2; 作者杜江毕峰《现代电子技术》北大核心 2025年第16期67-74,共8页; 针对传统深度学习方法在解码脑电信号时可能存在的特征挖掘不足及利用不充分问题,提出一种并行多尺度时间卷积结合滑动窗口技术与注意力机制的深度学习模型,即MCSANet。首先,利用并行多尺度时间卷积有效捕获脑电信号在不同时间尺度下的... 展开更多; 关键词脑机接口脑电信号并行多尺度时间卷积滑动窗口切片技术多头自注意力机制消融实验; 在线阅读下载PDF 职称材料

多尺度特征提取与非线性融合的综合能源系统多元负荷短期预测被引量：7: 3; 作者付文龙章轩瑞 +3 位作者张海荣刘嘉睿缪书唯李丹《电力系统及其自动化学报》 CSCD 北大核心 2023年第12期89-99,共11页; 为提高综合能源系统多元负荷短期预测的精度,提出一种基于多尺度特征提取与非线性融合的综合能源系统多元负荷短期预测方法。首先,采用皮尔逊相关系数对气象数据进行关联因子优选;然后,通过嵌入式分解模块将输入的时间序列分解为周期分... 展开更多; 关键词综合能源系统多元负荷预测多尺度时间卷积网络嵌入式分解自适应非线性融合; 在线阅读下载PDF 职称材料

基于联邦学习的跨被试癫痫发作检测方法: 4; 作者张艳丽孙一菲《兰州大学学报（自然科学版）》 CAS CSCD 北大核心 2024年第5期645-651,共7页; 提出一种基于联邦学习的跨被试癫痫发作检测方法,以解决由于数据类型不平衡和癫痫患者之间数据分布差异显著导致的深度检测模型训练数据不足和泛化性能低的问题.建立癫痫发作检测的联邦学习框架,聚合多个训练参与方的脑电图数据;设计多... 展开更多; 关键词脑电信号癫痫发作检测联邦学习多尺度时间卷积网络; 在线阅读下载PDF 职称材料

多尺度门控时空增强的唇语识别方法: 5; 作者马金林郭兆伟 +1 位作者马自萍吕鑫《计算机辅助设计与图形学学报》 2025年第7期1228-1238,共11页; 针对唇语识别模型中的普通卷积对唇部形变缺乏鲁棒性和不能有效地提取时间信息的问题,提出时空增强与多尺度时间卷积网络(MSTCN)结合的唇语识别方法.首先设计沙漏型卷积块(FCB),增强网络对唇部形变的鲁棒性;然后使用门控时移融合(GSF)... 展开更多; 关键词唇语识别多尺度时间卷积网络时空增强门控时移融合模块; 在线阅读下载PDF 职称材料

题名融合变分图自编码器与局部-全局图网络的认知负荷脑电识别模型: 1; 作者周天彤郑妍琪魏韬戴亚康邹凌; 机构常州大学计算机与人工智能学院常州大学常州市生物医学信息技术重点实验室中国科学院苏州生物医学工程技术研究所常州大学微电子与控制工程学院; 出处《计算机应用》北大核心 2025年第6期1849-1857,共9页; 基金江苏省重点研发计划项目(BE2021012-5)。; 文摘针对认知负荷识别模型存在过于依赖手动特征提取、忽视脑电图(EEG)信号的空间信息和无法有效学习图结构数据的问题,提出一种融合变分图自编码器(VGAE)与局部-全局图网络(VLGGNet)的认知负荷EEG识别模型。该模型由时间学习模块和图形学习模块这2个部分组成。首先,使用时间学习模块通过多尺度时间卷积捕捉EEG信号的动态频率表示,并通过空间与通道重建卷积(SCConv)和1×1卷积核级联模块融合多尺度卷积提取的特征;其次,使用图形学习模块将EEG数据定义为局部-全局图,其中,局部图特征提取层将节点属性聚合到一个低维向量,全局图特征提取层通过VGAE重构图结构;最后,对全局图和节点特征向量执行轻量化图卷积操作,由全连接层输出预测结果。通过嵌套交叉验证,实验结果表明,在心算任务(MAT)数据集上,相较于次优的局部-全局图网络(LGGNet),VLGGNet的平均准确率(mAcc)和平均F1分数(mF1)分别提升了4.07和3.86个百分点;在同时任务EEG工作量(STEW)数据集上,相较于表现最好的多尺度时空卷积神经网络(TSception),VLGGNet的mAcc与TSception相同,mF1仅降低了0.01个百分点。可见VLGGNet提高了认知负荷分类的性能,也验证了前额叶和额叶区域与认知负荷状态密切相关。; 关键词认知负荷脑电信号多尺度时间卷积变分图自编码器局部-全局图网络; Keywords cognitive load ElectroEncephaloGram(EEG)signal multi-scale temporal convolution Variational Graph AutoEncoder(VGAE) Local-Global Graph Network(LGGNet); 分类号 TP391.4 [自动化与计算机技术—计算机应用技术]; 在线阅读下载PDF 职称材料

题名基于MCSANet网络的运动想象脑电分类: 2; 作者杜江毕峰; 机构沈阳化工大学计算机科学与技术学院辽宁省化工过程工业智能化技术重点实验室辽东学院信息工程学院; 出处《现代电子技术》北大核心 2025年第16期67-74,共8页; 基金辽宁省教育厅高校基本科研项目(LJKMZ20221756) 辽宁省科技计划联合计划项目:脑机接口系统中特征脑电信号的提取与分类关键技术研究(2024JH2/102600133)。; 文摘针对传统深度学习方法在解码脑电信号时可能存在的特征挖掘不足及利用不充分问题,提出一种并行多尺度时间卷积结合滑动窗口技术与注意力机制的深度学习模型,即MCSANet。首先,利用并行多尺度时间卷积有效捕获脑电信号在不同时间尺度下的时域特征和空域特征;再利用滑动窗口切片技术对特征序列进行划分,增加特征序列样本数;之后,每部分特征序列样本都通过多头自注意力机制分配权重并加以融合,进一步突显出更多关键特征;最后,全连接层和SoftMax层共同协作,对捕获到的特征进行深入学习和精准分类。为了验证该模型的性能,在BCICIV-2a数据集上进行了详尽的实验分析。结果表明,所有受试者的平均分类准确率都高达81.69%,验证了所提出的方法在挖掘脑电深层潜在特征、提升运动想象脑电分类性能方面的有效性。; 关键词脑机接口脑电信号并行多尺度时间卷积滑动窗口切片技术多头自注意力机制消融实验; Keywords braincomputer interface EEG signal parallel multi-scale temporal convolution sliding window slicing technology multi-head self-attention mechanism ablation experiment; 分类号 TN929.5-34 [电子电信—通信与信息系统] TP391 [自动化与计算机技术—计算机应用技术]; 在线阅读下载PDF 职称材料

题名多尺度特征提取与非线性融合的综合能源系统多元负荷短期预测被引量：7: 3; 作者付文龙章轩瑞张海荣刘嘉睿缪书唯李丹; 机构三峡大学电气与新能源学院三峡大学梯级水电站运行与控制湖北省重点实验室中国长江电力股份有限公司; 出处《电力系统及其自动化学报》 CSCD 北大核心 2023年第12期89-99,共11页; 基金湖北省自然科学基金资助项目(2022CFD170)。; 文摘为提高综合能源系统多元负荷短期预测的精度,提出一种基于多尺度特征提取与非线性融合的综合能源系统多元负荷短期预测方法。首先,采用皮尔逊相关系数对气象数据进行关联因子优选;然后,通过嵌入式分解模块将输入的时间序列分解为周期分量和趋势分量,并将分解后得到的输入矩阵并行送入到具有不同尺度卷积核的时间卷积网络中,进行多尺度特征提取;接着,将多尺度时间卷积网络输出的特征向量输入到各自对应的注意力机制,以进行全局信息的学习与融合;最后,采用自适应非线性融合模块对各注意力机制的输出进行非线性融合,得到最终多元负荷预测结果。实验结果表明,所提方法具有较好的预测性能及泛化性。; 关键词综合能源系统多元负荷预测多尺度时间卷积网络嵌入式分解自适应非线性融合; Keywords integrated energy system(IES) multivariate load forecasting multiscale temporal convolutional network(TCN) embedded decomposition adaptive nonlinear fusion; 分类号 TM721 [电气工程—电力系统及自动化]; 在线阅读下载PDF 职称材料

题名基于联邦学习的跨被试癫痫发作检测方法: 4; 作者张艳丽孙一菲; 机构山东工商学院信息与电子工程学院; 出处《兰州大学学报（自然科学版）》 CAS CSCD 北大核心 2024年第5期645-651,共7页; 基金国家自然科学基金项目(61801269)。; 文摘提出一种基于联邦学习的跨被试癫痫发作检测方法,以解决由于数据类型不平衡和癫痫患者之间数据分布差异显著导致的深度检测模型训练数据不足和泛化性能低的问题.建立癫痫发作检测的联邦学习框架,聚合多个训练参与方的脑电图数据;设计多尺度时间卷积网络作为客户端局部模型,通过客户端局部模型的训练和参数聚合协作训练全局模型;为避免联邦训练过程中参数量过大,用量化压缩技术提高模型的传输效率.在CHB-MIT头皮脑电图数据中评估联邦学习全局模型的跨被试癫痫发作检测性能,取得平均71.21%的灵敏度和83.99%的准确率.结果表明,联邦学习在不交换各客户端隐私数据的前提下,能够融合局部模型参数生成独立于患者个体的公共检测模型,为跨被试癫痫发作检测提供有效方法.; 关键词脑电信号癫痫发作检测联邦学习多尺度时间卷积网络; Keywords electroencephalogram epileptic seizure detection federated learning multiscale temporal convolutional network; 分类号 TP391.4 [自动化与计算机技术—计算机应用技术]; 在线阅读下载PDF 职称材料

题名多尺度门控时空增强的唇语识别方法: 5; 作者马金林郭兆伟马自萍吕鑫; 机构北方民族大学计算机科学与工程学院; 出处《计算机辅助设计与图形学学报》 2025年第7期1228-1238,共11页; 基金国家自然科学基金(62462001) 宁夏自然科学基金(2024AAC03147) 中央高校基本科研业务费专项资金(2023ZRLG02).; 文摘针对唇语识别模型中的普通卷积对唇部形变缺乏鲁棒性和不能有效地提取时间信息的问题,提出时空增强与多尺度时间卷积网络(MSTCN)结合的唇语识别方法.首先设计沙漏型卷积块(FCB),增强网络对唇部形变的鲁棒性;然后使用门控时移融合(GSF)模块提高前端网络的时间信息提取能力;再基于FCB和GSF设计混合3D和2D卷积的时空增强网络STABNet;最后将STABNet作为前端网络,MSTCN作为后端网络,设计唇语识别模型.在LRW数据集上的实验结果表明,与基线模型相比,所提方法的准确率提升4.15个百分点,达到89.45%,而模型的参数量仅增加3.17M.在GRID数据集上准确率达到97.45%,超过大部分对比模型.; 关键词唇语识别多尺度时间卷积网络时空增强门控时移融合模块; Keywords lip recognition multi-scale temporal convolution network spatio-temporal enhancement gate-shift-fuse module; 分类号 TP391 [自动化与计算机技术]; 在线阅读下载PDF 职称材料

	题名	作者	出处	发文年	被引量	操作
1	融合变分图自编码器与局部-全局图网络的认知负荷脑电识别模型	周天彤郑妍琪魏韬戴亚康邹凌	《计算机应用》北大核心	2025	0	在线阅读下载PDF 职称材料
2	基于MCSANet网络的运动想象脑电分类	杜江毕峰	《现代电子技术》北大核心	2025	0	在线阅读下载PDF 职称材料
3	多尺度特征提取与非线性融合的综合能源系统多元负荷短期预测	付文龙章轩瑞张海荣刘嘉睿缪书唯李丹	《电力系统及其自动化学报》 CSCD 北大核心	2023	7	在线阅读下载PDF 职称材料
4	基于联邦学习的跨被试癫痫发作检测方法	张艳丽孙一菲	《兰州大学学报（自然科学版）》 CAS CSCD 北大核心	2024	0	在线阅读下载PDF 职称材料
5	多尺度门控时空增强的唇语识别方法	马金林郭兆伟马自萍吕鑫	《计算机辅助设计与图形学学报》	2025		在线阅读下载PDF 职称材料