基于注意力路由胶囊网络的多通道脑电情感识别

近年来,深度神经网络应用于脑电情感识别并取得了比传统算法更好的性能,但是卷积神经网络存在对于物体空间关系识别和物体旋转后的特征识别能力较弱、池化操作会丢失大量有价值的信息以及无法描述脑电信号不同通道间的内在联系等缺点。为了克服上述缺点,文章提出了基于注意力路由胶囊网络的多通道脑电情感识别模型(AR-CapsNet),将注意力路由和胶囊激活引入脑电信号情感识别模型中。与传统的胶囊网络脑电情感模型相比,AR-CapsNet模型在保持空间信息的同时,快速地进行前向传递。最后,在数据集DEAP上,将AR-CapsNet模型与机器学习模型、其他深度学习模型(动态图卷积神经网络、四维卷积递归神经网络和传统胶囊网络等)进行了情感识别准确率实验;与多层级特征引导的胶囊网络进行参数量和训练时间对比实验。实验结果表明:(1)与其他模型相比,AR-CapsNet模型有更高的识别精度,在效价、唤醒和主导上的平均识别准确率分别为99.46%、98.45%和99.54%;(2)与目前性能较好的胶囊网络脑电情感识别模型(多层级特征引导的胶囊网络)相比,AR-CapsNet模型使用了更少的总参数量,降低了脑电信号情感识别的复杂度。

编辑出版学的学科体系建设

编辑出版学是中国人创立的,是极富中国传统文化特色的现代传媒科学.在中国,编辑活动与出版活动具有浓厚的历史根源.近代以来,编辑出版业在创造中国传媒文化结构的同时,吸收了西方文化传播过程中编辑与出版的新技术、新媒介、新理念,有更大的进展.……

编辑学与出版学学科体系之比较

学科是对一种或几种相近专业通过科学研究而建立起来的相对独立的理论知识系统。人类迄今所积累起来的全部科学知识就是一个通过对物质流、能量流、信息流三大现象的研究而建立起来的宏大学科体系。但由于学术研究的分工不同,摆在研究者面前的具体研究对象、研究目的和研究任务不同,而分为相对独立的学科门类。不同的学科门类又各有其自身相对较小的更专门的学科体系。概而言之,学科体系是对科学生态总体结构的系统分类和分层描述。编辑学和出版学,是中国人创立的,极富中国传统文化特色的现代传媒科学。在中国,编辑活动与出版活动具有深厚的历史根源。近代以来,编辑出版业在创造中国传媒文化结构的同时,吸收了西方文化传播过程中编辑与出版的新技术、新媒介、新理念,有更大的进展。编辑学在我国已有较为成熟的学科体系,作为研究创构各种文化媒体母本的普通编辑学已基本形成。而出版学的学科体系在国外形成较早,我国尚处在建设阶段。编辑学和出版学的学科体系建设对于学科的发展和成熟有着重要意义。

文化交融历程中的媒介互动互补

信息技术极大地加快了传播的速度,而相互传播改变了传统社会的经济状态和人文观念。电子媒介使人们之间的相互联系越来越便捷、多样与全面。广袤的地球缩变成一个小小的村落,各个国家和民族的文化都在争先恐后地奋进、碰撞与交流。在这种众多民族文化融汇与交流的发展过程中,图书、报刊、广播、电影、电视、互联网等媒介都是重要的沟通渠道,这些媒介积极推动着文化交流的速度与深度,文化的多元交流与融汇也反过来促进着媒介的互动互补与不断革新。在多种媒体并存、竞争的时代,为了更好地生存和发展,图书、报刊、广播、影视、互联网作为信息的几大载体,开始逐渐改变自己的媒体形态,从以前的割裂、分离状态,逐渐走向互动、整合、甚至是融合互补。这种以编辑为主导的多种媒介的互动互补既很好地以各种渠道传播了文化,又大力助推了出版产业的发展,促进了全球化形势下多元文化的交融与创新。

基于混合神经网络的脑电情感识别

为保留脑电(Electroencephalogram,EEG)空间信息的同时充分挖掘EEG时序相关信息,提出了一种三维卷积神经网络(3-Dimensional Convolutional Neural Networks,3D-CNN)结合双向长短期记忆神经网络(Bidirectional Long Short-term Memory Neural Networks,BLSTM)的混合神经网络(3DCNN-BLSTM);为验证该模型的分类性能,在DEAP数据集和SEED数据集上进行情感识别实验.实验结果表明3DCNN-BLSTM模型能有效学习EEG多通道间的相关性与时间维度信息且提高了情感分类性能:在DEAP数据集的二分类实验中,唤醒度和效价的情感识别平均准确率分别为93.56%和93.21%;在DEAP数据集的四分类实验中,情感识别平均准确率为90.97%;在SEED数据集的三分类实验中,情感识别平均准确率为98.90%.

三维输入卷积神经网络脑电信号情感识别

为了保留电极之间的空间信息以及充分提取脑电信号(Electroencephalogram,EEG)特征,提高情感识别的准确率,提出一种基于三维输入卷积神经网络的特征学习和分类算法。采用单熵(近似熵(Approximate Entropy,ApEn)、排列熵(Permutation Entropy,PeEn)和奇异值分解熵(Singular value decomposition Entropy,SvdEn))以及其组合熵特征,分别在DEAP数据集进行效价和唤醒度两个维度上的情感识别实验。实验结果表明,采用组合熵特征比单熵特征在情感识别实验中准确率有显著提高。最高组合熵特征平均准确率在效价和唤醒度上分别为94.14%和94.44%,比最高单熵特征平均准确率分别提高了5.05个百分点和4.49个百分点。

二次滑动粗粒化的快速样本熵脑电情感分析

针对传统单一尺度样本熵对脑电信号(EEG)序列特征提取不明显、多尺度熵在粗粒化过程中会遗漏重要信息导致情感分类性能下降以及样本熵算法效率不高的问题,提出了一种基于二次滑动均值粗粒化的多尺度快速样本熵脑电特征提取方法。由于不同情感的脑电信号存在差异性,先采用二次滑动均值粗粒化对脑电信号进行多尺度处理,然后利用快速样本熵算法提取不同时间尺度的样本熵值作为特征向量,结合随机森林(RF)分类模型来识别不同的情感状态。提出的方法对多模态标准情感数据库DEAP进行了研究,发现大脑额区和右脑对情感比较敏感,正性、中性和负性情感在大脑侧额区获得了88.75%的平均分类准确率。实验结果表明,该方法可以有效地提取脑电特征,并且能够保证算法的效率。

调整职业期望 实现职业规划——以泉州幼高专2012届毕业生职业期望调查为例

职业规划的实现,从职业选择起步,而职业选择与职业期望直接相关,高校毕业生的职业期望与现实的矛盾是造成就业难的主要问题之一。通过对泉州幼高专2012届毕业生职业期望现状进行调查、分析,提出了高校学生如何调整职业期望,以实现职业规划及应对就业难的问题。