Workload Net在工作负荷检测中的应用

检测工作负荷水平对于优化任务设计、资源分配以及提高认知表现和效率至关重要。考虑到个体间在承载工作负荷能力上的显著差异性,本文旨在构建一种具有普适性的深度学习模型——Workload Net,用以量化和监测个体工作负荷水平。该模型由三部分构成:基础网络、平行连接机制和回归网络。模型利用特征金字塔结构捕捉多尺度特征信息,并考虑任务执行过程中的时间片段内与片段间的关联性,以此增强对工作负荷水平的检测能力。通过与现有算法对比,验证了Workload Net模型在工作负荷检测任务上的有效性。