期刊导航
期刊开放获取
上海教育软件发展有限公..
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
3
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式：
文摘
详细
列表
相关度排序
被引量排序
时效性排序
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
被引量：
1
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...
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。
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
基于贝叶斯先验NMF的ADHD儿童脑网络重叠社区检测
2
作者
罗锦宏
宋志伟
+2 位作者
朱志豪
王苏弘
邹凌
《计算机应用与软件》
北大核心
2024年第11期138-144,152,共8页
为探索视觉刺激下ADHD(Attention Deficit Hyperactivity Disorder)儿童与正常儿童脑功能活动的差异性,对两组儿童脑功能网络的功能重叠社区开展研究。获取ADHD儿童与正常儿童的任务态fMRI(functional Magnetic Resonance Imaging)数据...
为探索视觉刺激下ADHD(Attention Deficit Hyperactivity Disorder)儿童与正常儿童脑功能活动的差异性,对两组儿童脑功能网络的功能重叠社区开展研究。获取ADHD儿童与正常儿童的任务态fMRI(functional Magnetic Resonance Imaging)数据,进行数据预处理;采用自适应稀疏表示法分别构建脑功能网络;采用基于贝叶斯先验的非负矩阵分解(Nonnegative Matrix Factorization,NMF)方法。通过预设不同的重叠社区数目,对两组儿童的脑功能网络进行重叠社区检测。实验结果显示,ADHD儿童的脑功能重叠比指标为10.7%,略低于正常儿童,表明ADHD儿童在任务中脑功能协同效率较低,且ADHD儿童的额叶-杏仁核-枕叶网络具有连接异常性。将两组儿童的各重叠社区值作为特性进行分类,其分类精度高于传统方法,达到96.6%。
展开更多
关键词
ADHD
脑功能网络
重叠社区
贝叶斯先验
非负矩阵分解
在线阅读
下载PDF
职称材料
基于LBP卷积神经网络的面部表情识别
被引量：
19
3
作者
江大鹏
杨彪
邹凌
《计算机工程与设计》
北大核心
2018年第7期1971-1977,共7页
针对传统方法面部微表情识别率低的问题,提出局部二值模式(LBP)图像的卷积神经网络对6种基本面部表情进行识别。采用Viola-Jones框架提取面部表情的感兴趣区域,提取感兴趣区域的LBP图像,输入到一个六层的卷积神经网络(两个卷积层、两个...
针对传统方法面部微表情识别率低的问题,提出局部二值模式(LBP)图像的卷积神经网络对6种基本面部表情进行识别。采用Viola-Jones框架提取面部表情的感兴趣区域,提取感兴趣区域的LBP图像,输入到一个六层的卷积神经网络(两个卷积层、两个降采样、一个全连接层、一个Softmax)并得到识别的结果。在3个公共数据集(CK+、JAFFE、Oulu-CASIA)上进行实验,识别率分别为94.58%、93.48%、93.15%,结果表明,该方法对面部微表情的识别优于其它主流方法。
展开更多
关键词
面部表情识别
卷积神经网络
Viola-Jones框架
感兴趣区域
局部二值模式
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
被引量：
1
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
基于贝叶斯先验NMF的ADHD儿童脑网络重叠社区检测
2
作者
罗锦宏
宋志伟
朱志豪
王苏弘
邹凌
机构
常州
信息
职业
技术
学院电子工程学院
常州大学常州市生物医学信息技术重点实验室
常州
大学
微电子与控制工程学院
苏州
大学
附属第三医院临床心理科
出处
《计算机应用与软件》
北大核心
2024年第11期138-144,152,共8页
基金
江苏省科技厅社会发展项目(BE2018638)
常州市社会发展项目(CE20195025)
+2 种基金
中国残联课题(CJFJRRB08-2020)
浙江省脑机协同智能重点实验室开放基金资助项目(2020E10010-04)
江苏省研究生培养创新计划项目(KYCX21_2817)。
文摘
为探索视觉刺激下ADHD(Attention Deficit Hyperactivity Disorder)儿童与正常儿童脑功能活动的差异性,对两组儿童脑功能网络的功能重叠社区开展研究。获取ADHD儿童与正常儿童的任务态fMRI(functional Magnetic Resonance Imaging)数据,进行数据预处理;采用自适应稀疏表示法分别构建脑功能网络;采用基于贝叶斯先验的非负矩阵分解(Nonnegative Matrix Factorization,NMF)方法。通过预设不同的重叠社区数目,对两组儿童的脑功能网络进行重叠社区检测。实验结果显示,ADHD儿童的脑功能重叠比指标为10.7%,略低于正常儿童,表明ADHD儿童在任务中脑功能协同效率较低,且ADHD儿童的额叶-杏仁核-枕叶网络具有连接异常性。将两组儿童的各重叠社区值作为特性进行分类,其分类精度高于传统方法,达到96.6%。
关键词
ADHD
脑功能网络
重叠社区
贝叶斯先验
非负矩阵分解
Keywords
ADHD
Brain function network
Overlapping communities
Bayesian prior
Non-negative matrix factorization
分类号
TP3 [自动化与计算机技术—计算机科学与技术]
在线阅读
下载PDF
职称材料
题名
基于LBP卷积神经网络的面部表情识别
被引量：
19
3
作者
江大鹏
杨彪
邹凌
机构
常州
大学
信息
科学与工程学院
常州大学常州市生物医学信息技术重点实验室
出处
《计算机工程与设计》
北大核心
2018年第7期1971-1977,共7页
基金
国家自然科学基金青年基金项目(61501060)
江苏省青年自然科学基金项目(SBK20150271)
文摘
针对传统方法面部微表情识别率低的问题,提出局部二值模式(LBP)图像的卷积神经网络对6种基本面部表情进行识别。采用Viola-Jones框架提取面部表情的感兴趣区域,提取感兴趣区域的LBP图像,输入到一个六层的卷积神经网络(两个卷积层、两个降采样、一个全连接层、一个Softmax)并得到识别的结果。在3个公共数据集(CK+、JAFFE、Oulu-CASIA)上进行实验,识别率分别为94.58%、93.48%、93.15%,结果表明,该方法对面部微表情的识别优于其它主流方法。
关键词
面部表情识别
卷积神经网络
Viola-Jones框架
感兴趣区域
局部二值模式
Keywords
facial expression recognition
convolution neural network
Viola-Jones framework
region of interest
local binary model
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
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
1
在线阅读
下载PDF
职称材料
2
基于贝叶斯先验NMF的ADHD儿童脑网络重叠社区检测
罗锦宏
宋志伟
朱志豪
王苏弘
邹凌
《计算机应用与软件》
北大核心
2024
0
在线阅读
下载PDF
职称材料
3
基于LBP卷积神经网络的面部表情识别
江大鹏
杨彪
邹凌
《计算机工程与设计》
北大核心
2018
19
在线阅读
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部
