检索结果-维普期刊中文期刊服务平台

基于非对称空间特征的脑电信号情感分析研究: 1; 作者王莹杨青 +1 位作者王翔宇张勇《计算机工程与科学》北大核心 2025年第5期921-930,共10页; 大脑的不对称性会对脑电情感分析产生影响,但是目前很多研究对此特性缺少考虑。结合大脑空间的不对称性,提出了一种混合模型,该模型利用多尺度卷积神经网络提取大脑左右不对称的脑电空间特征,然后使用双向长短期记忆神经网络提取时序特... 展开更多; 关键词脑电情感识别非对称空间特征多尺度卷积神经网络双向长短期记忆神经网络多头自注意力机制; 在线阅读下载PDF 职称材料

基于改进StackCNN网络和集成学习的脑电信号视觉分类算法被引量：1: 2; 作者杨青王亚群 +2 位作者文斗王莹王翔宇《郑州大学学报（工学版）》 CAS 北大核心 2024年第5期69-76,共8页; 针对直接使用图像诱发的脑电信号进行视觉分类的现有研究少,并且视觉分类的平均准确率低等问题,设计了一种卷积神经网络(CNN)和集成学习相结合的方法,用于学习脑电信号相关的视觉特征表示。通过在StackCNN网络中加入K-max池化方法,解决... 展开更多; 关键词脑电图视觉分类卷积神经网络 BAGGING算法 ResNet网络; 在线阅读下载PDF 职称材料

基于模块交互和依存关系的生物医学事件检测: 3; 作者张勇左皓阳 +1 位作者苏莹周光有《中文信息学报》北大核心 2025年第6期119-126,共8页; 该文提出一种基于模块交互和依存关系的生物医学事件检测模型。该模型在事件检测模块中融入了命名实体识别模块与图卷积策略,充分利用数据集中的标注信息和远距离依存关系来提高文本的语义表示。该模型同时构造了一个命名实体识别模块... 展开更多; 关键词生物医学事件检测模块交互命名实体识别图卷积; 在线阅读下载PDF 职称材料

基于CNN和Bi-LSTM的脑电波情感分析被引量：13: 4; 作者朱丽杨青 +2 位作者吴涛李晨李铭《应用科学学报》 CAS CSCD 北大核心 2022年第1期1-12,共12页; 针对目前大多数脑电波情感识别方法存在的依赖手动特征提取等问题,提出一种基于卷积神经网络(convolutional neural network,CNN)和双向长短时记忆(bidirectional long short-term memory,Bi-LSTM)网络的混合模型。首先将一维数据转换... 展开更多; 关键词脑电信号情感分类卷积神经网络双向长短时记忆网络深度学习; 在线阅读下载PDF 职称材料

题名基于非对称空间特征的脑电信号情感分析研究: 1; 作者王莹杨青王翔宇张勇; 机构华中师范大学计算机学院华中师范大学国家语言资源监测与研究网络媒体中心华中师范大学人工智能与智慧学习湖北省重点实验室; 出处《计算机工程与科学》北大核心 2025年第5期921-930,共10页; 基金国家自然科学基金(61977032)。; 文摘大脑的不对称性会对脑电情感分析产生影响,但是目前很多研究对此特性缺少考虑。结合大脑空间的不对称性,提出了一种混合模型,该模型利用多尺度卷积神经网络提取大脑左右不对称的脑电空间特征,然后使用双向长短期记忆神经网络提取时序特征,最后,通过多头自注意力机制学习特征之间的关系。该模型在公开的DEAP数据集上进行实验验证,唤醒维度分类准确率和F 1值分别为93.11%和93.46%,效价维度分类准确率和F 1值分别为92.12%和93.27%。该模型在公开的MAHNOB-HCI数据集上进行实验验证,唤醒维度分类准确率和F 1值分别为98.58%和97.98%,效价维度分类准确率和F 1值分别为98.76%和98.25%。结果表明,在脑电情感识别上该模型具有一定优势,同时通过消融实验证明了非对称空间层的重要性。; 关键词脑电情感识别非对称空间特征多尺度卷积神经网络双向长短期记忆神经网络多头自注意力机制; Keywords EEG emotion recognition asymmetric spatial feature multi-scale convolutional neural network bidirectional long short-term memory neural network multi-head self-attention mechanism; 分类号 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

题名基于改进StackCNN网络和集成学习的脑电信号视觉分类算法被引量：1: 2; 作者杨青王亚群文斗王莹王翔宇; 机构华中师范大学人工智能与智慧学习湖北省重点实验室华中师范大学计算机学院华中师范大学国家语言资源监测与研究网络媒体中心; 出处《郑州大学学报（工学版）》 CAS 北大核心 2024年第5期69-76,共8页; 基金湖北省重点研发计划项目(2020BAB017) 武汉市科技计划项目(2019010701011392) 国家语委科研中心项目(ZDI135-135)。; 文摘针对直接使用图像诱发的脑电信号进行视觉分类的现有研究少,并且视觉分类的平均准确率低等问题,设计了一种卷积神经网络(CNN)和集成学习相结合的方法,用于学习脑电信号相关的视觉特征表示。通过在StackCNN网络中加入K-max池化方法,解决在提取脑电特征时信息丢失的问题,并结合Bagging算法增强网络的泛化能力,该方法称为StackCNN-B。采用基于残差神经网络(ResNet)回归对图像进行分类,验证StackCNN-B方法在图像分类上的性能。消融实验及与现有研究对比实验的结果表明:所提方法识别准确率较高,在学习脑电信号的视觉特征表示上的平均准确率达到99.78%,在图像分类上的平均准确率达到96.45%,与Bi-LSTM-AttGW方法相比,平均提高了0.28百分点和2.97百分点。研究结果验证了脑电信号可以有效地解码与视觉识别相关的人类大脑活动,也表明所提出StackCNN-B模型的优越性。; 关键词脑电图视觉分类卷积神经网络 BAGGING算法 ResNet网络; Keywords electroencephagram vision classification convolutional neural network Bagging algorithm ResNet network; 分类号 TP399 [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

题名基于模块交互和依存关系的生物医学事件检测: 3; 作者张勇左皓阳苏莹周光有; 机构华中师范大学人工智能与智慧学习湖北省重点实验室华中师范大学国家语言资源监测与研究网络媒体中心华中师范大学计算机学院武昌首义学院信息科学与工程学院; 出处《中文信息学报》北大核心 2025年第6期119-126,共8页; 基金国家自然科学基金(61977032,62077018) 中央高校基本科研业务费(CCNU22QN015) 国家语委十四五科研规划一般项目(YB145-2)。; 文摘该文提出一种基于模块交互和依存关系的生物医学事件检测模型。该模型在事件检测模块中融入了命名实体识别模块与图卷积策略,充分利用数据集中的标注信息和远距离依存关系来提高文本的语义表示。该模型同时构造了一个命名实体识别模块和一个事件检测模块,并将命名实体识别模块中训练的语义特征拼接到事件检测模块,以增强事件检测的语义信息。同时,该模型还在事件检测模块中集成了基于门控机制的图卷积层,以利用依存句法信息来提高单词之间远距离依存关系的建模能力。在生物医学事件检测数据集上的实验结果显示,该模型的F_(1)值达到了81.63%,整体性能优于其他模型,显示了模块交互与图卷积策略在提升生物医学事件检测方面的有效性。; 关键词生物医学事件检测模块交互命名实体识别图卷积; Keywords biomedical event detection modularized interaction named entity recognition graph convolution; 分类号 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

题名基于CNN和Bi-LSTM的脑电波情感分析被引量：13: 4; 作者朱丽杨青吴涛李晨李铭; 机构华中师范大学人工智能与智慧学习湖北省重点实验室华中师范大学计算机学院华中师范大学国家语言资源监测与研究网络媒体中心; 出处《应用科学学报》 CAS CSCD 北大核心 2022年第1期1-12,共12页; 基金湖北省重点研发计划项目基金(No.2020BAB017) 武汉市科技计划项目基金(No.2019010701011392) 国家语委科研中心项目基金(No.ZDI135-135)资助; 文摘针对目前大多数脑电波情感识别方法存在的依赖手动特征提取等问题,提出一种基于卷积神经网络(convolutional neural network,CNN)和双向长短时记忆(bidirectional long short-term memory,Bi-LSTM)网络的混合模型。首先将一维数据转换为二维数据,采用CNN提取空间特征;然后将一维数据输入Bi-LSTM,获取时间特征;最后将融合的空间和时间特征输入Softmax分类器,得到最终分类结果。在DEAP数据集上的实验结果表明:CNN和Bi-LSTM混合模型具有较好的分类性能,在效价度和唤醒度上的准确率分别达到88.55%和89.07%,是一种可行的脑电波情感分类模型。; 关键词脑电信号情感分类卷积神经网络双向长短时记忆网络深度学习; Keywords electroencephalogram emotion classification convolutional neural network(CNN) bidirectional long short-term memory(Bi-LSTM)network deep learning; 分类号 R318 [医药卫生—生物医学工程] TP183 [自动化与计算机技术—控制理论与控制工程] TN911.7 [电子电信—通信与信息系统]; 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	基于非对称空间特征的脑电信号情感分析研究	王莹杨青王翔宇张勇	《计算机工程与科学》北大核心	2025	0	在线阅读下载PDF 职称材料
2	基于改进StackCNN网络和集成学习的脑电信号视觉分类算法	杨青王亚群文斗王莹王翔宇	《郑州大学学报（工学版）》 CAS 北大核心	2024	1	在线阅读下载PDF 职称材料
3	基于模块交互和依存关系的生物医学事件检测	张勇左皓阳苏莹周光有	《中文信息学报》北大核心	2025	0	在线阅读下载PDF 职称材料
4	基于CNN和Bi-LSTM的脑电波情感分析	朱丽杨青吴涛李晨李铭	《应用科学学报》 CAS CSCD 北大核心	2022	13	在线阅读下载PDF 职称材料