-
题名面向认知表现预测的时-空共变混合深度学习模型
- 1
-
-
作者
李晴
徐雪远
邬霞
-
机构
北京师范大学人工智能学院
北京师范大学认知神经科学与学习国家重点实验室
-
出处
《自动化学报》
EI
CAS
CSCD
北大核心
2022年第12期2931-2940,共10页
-
基金
北京市自然科学基金(4212037)资助。
-
文摘
认知表现预测已经成为当前大脑研究的重要课题.功能磁共振成像技术由于同时具有较好的时间和空间分辨率,有潜力为认知表现预测提供数据支持.为了解决基于功能磁共振成像数据对认知表现进行预测时大脑所具有的时-空共变难刻画问题,提出了一种新型基于大脑学习机制的时-空共变混合深度学习模型,即深度稀疏自编码器与循环全连接网络混合模型,以混合神经网络模型的损失函数误差作为认知表现预测能力的评价标准.在人类连接组项目数据集上的实验结果表明,提出的时-空共变混合模型能够有效和稳健地预测认知表现,并提取到与人脑学习、记忆相关的有意义的脑影像特征,从而为认知表现预测提供技术支持.
-
关键词
循环自编码器
时-空共变深度学习模型
混合深度学习模型
认知表现预测
脑启发模型
-
Keywords
Recurrent autoencoder
spatio-temporal co-variant deep learning framework
hybrid deep learning framework
cognitive performance prediction
brain inspired model
-
分类号
TP18
[自动化与计算机技术—控制理论与控制工程]
-
-
题名基于脑电的多媒体情绪诱发对智力发挥影响研究
- 2
-
-
作者
韩宇阳
徐雪远
李子遇
叶龙
张勤
邬霞
-
机构
北京师范大学人工智能学院
中国传媒大学媒介音视频教育部重点实验室
-
出处
《中国传媒大学学报(自然科学版)》
2021年第5期43-51,共9页
-
基金
媒体融合与传播国家重点实验室开放课题(SKLMCC2020KF001)
北京师范大学博士研究生跨学科研究基金(BNUXKJC2021)。
-
文摘
多媒体能够对情绪产生影响,而情绪与智力发挥息息相关。通过多媒体诱发情绪来探究情绪对智力发挥的影响,对移动传媒、教育教学等领域具有十分重要的意义。本文基于脑电信号探究多媒体诱发情绪对智力发挥的影响。为此,本文构建了新的情绪诱发视频数据集,设计了基于情绪视频的情绪与智力发挥脑电实验,并创新性地提出机器学习情绪识别方法对智力发挥阶段的真实情绪进行识别,从而探究情绪对智力发挥的影响。结果表明,积极情绪相对于中性情绪在被试的数学计算正确率上有积极影响,但在答题反应时上存在抑制作用,而消极情绪则相反。不同难度的数学计算中,积极情绪在解决中高等难度问题时表现更佳,而消极情绪在解决高难度问题时更有利于智力发挥。结果暗示,积极情绪和消极情绪在解决问题时,可能会针对不同的问题调用不同的影响策略,从而导致在不同难度问题上,情绪对智力发挥的影响也不同。
-
关键词
多媒体情绪诱发
智力发挥
情绪分类
脑电信号
机器学习
-
Keywords
multimedia-induced emotions
intelligence expression
emotion recognition
electroencephalogram
machine learning
-
分类号
O422
[理学—声学]
-
-
题名基于■2,1范数和神经网络的非线性特征选择方法
- 3
-
-
作者
范馨予
徐雪远
邬霞
-
机构
北京师范大学人工智能学院
-
出处
《信号处理》
CSCD
北大核心
2021年第9期1644-1652,共9页
-
文摘
在基于■2,1范数的特征选择方法中,■2,1范数可以使选择的特征具有组间稀疏性和组内稀疏性,同时还可以去除特征数据中的异常值。然而,大多数基于■2,1范数的特征选择算法常通过线性方程求解,无法探究特征之间的非线性关系。因此,本文提出了一种基于■2,1范数的非线性特征选择方法,将■2,1范数与神经网络相结合。一方面,该方法利用神经网络的非线性特性对■2,1范数进行求解。另一方面,该方法利用■2,1范数实现基于神经网络框架的特征选择。最后,本文将该方法与当前流行的特征选择方法在八个公开数据集进行了对比,实验结果验证了该方法具有一定的优越性。
-
关键词
非线性特征选择
■2
1范数
神经网络
后向传播
-
Keywords
non-linear feature selection
■2,1-norm
neural network
back propagation
-
分类号
TP181
[自动化与计算机技术—控制理论与控制工程]
-
-
题名基于正交回归和特征加权的脑电情感特征选择方法
被引量:1
- 4
-
-
作者
徐雪远
刘建红
李子遇
翟广涛
邬霞
-
机构
北京师范大学人工智能学院
智能技术与教育应用教育部工程研究中心
人工智能与数字经济广东省实验室
上海交通大学电子信息与电气工程学院
-
出处
《中国科学:信息科学》
CSCD
北大核心
2023年第1期33-45,共13页
-
基金
国家自然科学基金(批准号:6187020893)资助项目。
-
文摘
颅内容积传导效应导致大量脑电特征之间具有高度相关性,而这些高度相关的脑电特征无法为情感识别提供额外的有用信息,并且会降低基于脑电信号的情感识别效率.为了去除冗余信息和挑选有判别力的脑电特征,本文提出了一种基于正交回归和特征加权的脑电情感特征选择方法.与传统特征选择方法相比,该方法利用正交回归在脑电特征映射空间中保留更多的判别信息,更加适合于非线性和非平稳脑电信号的分析处理.为了验证所提出方法的性能,我们采集了由视频诱发的多通道脑电情感数据,并将所提出方法与4种常用的脑电特征选择方法进行了比较.实验结果证明了本文所提出方法能有效降低脑电特征集内冗余信息,并挑选出具有判别力的脑电特征子集.此外,通过分析由该方法所挑选的脑电特征类型,我们发现中心频率特征是最具判别力的脑电情感特征.该发现将为未来脑电情感特征提取研究提供新的思路.
-
关键词
脑电
特征选择
情感识别
正交回归
特征加权
-
Keywords
electroencephalogram
feature selection
emotion recognition
orthogonal regression
feature weighting
-
分类号
R318
[医药卫生—生物医学工程]
TN911.8
[电子电信—通信与信息系统]
O212.1
[理学—概率论与数理统计]
-