脑电信号(Electroencephalogram,EEG)作为一种客观直接的信息源,被广泛应用于情绪识别任务。为了提取脑电信号的空间连通特征所隐含的信息,提出了一种基于空间连通特征和残差卷积神经网络(Spatial connectivity features and residual c...脑电信号(Electroencephalogram,EEG)作为一种客观直接的信息源,被广泛应用于情绪识别任务。为了提取脑电信号的空间连通特征所隐含的信息,提出了一种基于空间连通特征和残差卷积神经网络(Spatial connectivity features and residual convolutional neural network,SCF-RCNN)模型的情绪识别方法。该方法从经预处理的脑电信号中提取皮尔逊相关系数(Pearson correlation coefficient,PCC)、锁相值(Phase-locked value,PLV)和互信息(Mutual information,MI)作为空间连通特征,使用包含两个残差模块的卷积神经网络模型来提取情感信息。在SEED数据集上的实验结果显示,PLV构造的连接矩阵与脑电情绪关系更为密切,其平均准确率可达93.38%,标准差为3.35%。与传统算法相比,SCF-RCNN在情绪识别领域的分类任务中表现更为优越,表明该方法在情绪识别领域具有重要的应用潜力。展开更多
针对L波段数字航空通信系统(L-band digital aeronautic communication system,LDACS)可用频谱资源有限且易受大功率测距仪(distance measuring equipment,DME)信号干扰的问题,提出一种基于降维循环谱和残差神经网络的频谱感知方法。首...针对L波段数字航空通信系统(L-band digital aeronautic communication system,LDACS)可用频谱资源有限且易受大功率测距仪(distance measuring equipment,DME)信号干扰的问题,提出一种基于降维循环谱和残差神经网络的频谱感知方法。首先理论推导分析了DME信号的循环谱特征;然后利用Fisher判别率(Fisher discriminant rate,FDR)提取循环频率能量最大的向量,通过主成分分析(principal component analysis,PCA)进行预处理特征增强;最后给出数据处理后的循环谱向量与卷积神经网络相结合的实现过程,实现了DME信号的有效检测。仿真结果表明,该方法对噪声不敏感,当信噪比不低于-15 dB时,平均检测概率大于90%。当信噪比不低于-14 dB,检测概率接近100%。展开更多
文摘【目的】探究残差神经网络(residual neural network,ResNet)对不同种类鸡蛋的分类效果,明确深度学习应用存在智能鸡蛋巡检装置的可行性,为家禽养殖智能化进程提供新思路,并为鸡蛋分类研究提供数据支撑。【方法】在鸡舍实地取样,采用自适应矩估计优化器(adaptive moment estimation,Adam)以微调最后1层、微调所有层和重新训练所有层3种迁移学习策略分别训练,并通过调整模型权重参数及改变学习率的方式训练出最佳分类模型。【结果】得到识别准确率高达98.971%的鸡蛋分类模型。计算出模型在数据集上的各类评估指标,并借助混淆矩阵及语义特征降维可视化,分析出鸡蛋分类识别中易被误判的类别及语义。该模型部署后实时性良好,满足实际需求。【结论】鸡蛋的分类识别中光照条件是关键影响因素,应尽可能使鸡舍光照稳定均衡。针对6类鸡蛋,微调所有层并调整学习率参数为0.6,可得最佳模型。其在鸡舍场景下分类效果优良,尤其是颜色语义,应用于智能鸡蛋巡检装置,可有效降低人力成本。后续研究中应注重畸形蛋及软壳蛋的记录,为进一步优化提供数据支撑。
