期刊文献+
共找到1篇文章
< 1 >
每页显示 20 50 100
多尺度多粒度解耦蒸馏模糊分类器及其在癫痫脑电信号检测中的应用
1
作者 蒋云良 金森洋 +2 位作者 张雄涛 刘凯宁 申情 《计算机科学》 北大核心 2025年第9期37-46,共10页
在癫痫脑电信号检测任务中,深度学习方法具有强大的深度表达能力,但可解释性较差,Takagi-Sugeno-Kang(TSK)模糊分类器虽具备良好的基于模糊规则的可解释性,但其建模能力有限。为了更好地兼顾癫痫检测模型的性能与可解释性,提出了一种多... 在癫痫脑电信号检测任务中,深度学习方法具有强大的深度表达能力,但可解释性较差,Takagi-Sugeno-Kang(TSK)模糊分类器虽具备良好的基于模糊规则的可解释性,但其建模能力有限。为了更好地兼顾癫痫检测模型的性能与可解释性,提出了一种多尺度多粒度解耦蒸馏模糊分类器(MMDD-TSK-FC)。首先,训练不同卷积核大小的一维卷积神经网络作为教师模型,目的是充分提取脑电信号在不同尺度上的特征信息;其次,将教师模型的输出结果软化生成软标签,最小化其与对应不同规则粒度TSK模糊分类器输出软标签之间的Kullback-Leible散度,以实现深度特征表示知识的有效迁移,同时最小化学生模型输出与真实标签的交叉熵损失;最后,通过投票法整合多个TSK模糊分类器的输出结果。同时,借由多粒度的TSK模糊分类器生成的多组由繁至简的IF-THEN规则,为模型检测依据提供可解释表达。在Bonn和新德里HauzKhas癫痫脑电数据集上的实验结果充分验证了MMDD-TSK-FC的优势,其相比经典TSK分类器提升了约5%的准确率,优于其他深度知识蒸馏模型约3%。 展开更多
关键词 TSK模糊分类器 癫痫脑电信号检测 多尺度 多粒度 知识蒸馏 可解释性
在线阅读 下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部