基于多任务学习的快速序列视觉呈现脑电图分类

针对快速序列视觉呈现的脑电图数据存在样本不平衡问题,提出一种基于多任务学习的快速序列视觉呈现脑电图分类模型。首先,建立深度共享特征提取模块,利用卷积神经网络自动学习共享参数,提取与任务关联的深度特征;其次,基于分类任务和超球约束任务构造多任务目标函数,利用两种任务的联合学习提取更有效的判别特征,提高模型泛化性。在快速序列视觉呈现公开数据集中进行实验,与常见的脑电分类模型DeepConvNet、EEGInception、DRL以及EEGNet相比,提出的Multi-task EEGNet在32个受试者中平均AUC分别提升3.57%、1.84%、6.22%和2.09%。实验结果表明,提出的多任务学习模型能更充分地提取判别特征,有效提升模型分类性能,较好地解决EEG分类任务中样本不平衡问题。

基于高稳定SURF特征的交通标志识别

针对光照变化和部分遮挡这两种情形,提出一种基于多帧视频图像的高稳定特征的交通标志识别方法。利用有交通标志的多帧视频图像的SURF特征建立bag of SURFs特征向量集,与标准交通标志图像的模板特征向量集匹配,采用权值计分策略的最高得分确定交通标志的识别结果。对三种情形下的公开视频图像集进行了实验并与最新方法进行对比分析,结果表明新方法的交通标志识别效果具有明显的优越性,是在光照变化和部分遮挡情形下一种有效的交通标志识别方法。

名校阅读训练之华东师大-附中篇

一、实用文阅读 阅读下面的文字，完成1～5题。 皮娜·鲍什：悲观之舞 李宏宇 “歌德学院北京分院的历任院长可以分为两种人。一种是邀请过皮娜·鲍什来中国的，一种是没有请过她的。”现任院长阿克曼似乎从不担心他对这位编舞家重要性的评价是否夸张。他的另一种溢美之词是：“二战后，德国人在世人面前一直不能理直气壮。后来我们能比较自信地面对世界，就是因为我们有了皮娜·鲍什这样的人。”