不同难度任务下自我调节机制对心理负荷水平的影响

持续的高水平心理负荷会导致不良的自我调节行为,但面向不同难度任务时自我调节行为对心理负荷的影响尚不明确。该文提出一种面向不同难度任务,基于自我调节行为的算术范式。被试者在每轮开始前可以根据自己的决策自行选择题目难度任务。范式可以观察在自我调节下,不同难度任务对被试者心理负荷的影响。该文使用事件相关电位(ERP)、功率谱密度(PSD)及脑电微状态进行分析。结果表明,在不同任务难度下,自我调节行为均引发了额外的心理负荷。自我调节行为主要与额叶区域有关,表现出P300振幅及theta,alpha频带功率增大,P600振幅减小。在中等难度任务下,自我调节引发的额外负荷较小,且促使被试者表现出更好的绩效水平。该文范式能够有效地识别出适合被试者的任务难度。在实际任务设计中,应考虑适合被试者的任务难度,减少不良自我调节行为的发生,提升被试者的绩效水平。

基于生成式对抗网络的路网交通流数据补全方法

交通信息的完整性直接影响着城市交通管理的效率.针对城市道路交通中因路段检测器覆盖不全或设备损坏等造成的流量检测数据缺失问题,本文提出基于生成式对抗网络(Generative Adversarial Network,GAN)算法的交通流量数据补全方法.首先,以路段实际流量为基础,进行图像化处理生成路网二维信息图;其次,计算考虑时空信息补偿的路网关联矩阵,利用GAN算法分析并实现路网二维信息图缺失部分的补全,进而得到路段交通流量的完整数据;最后,利用实际数据,对比分析了本文方法与相空间重构的卡尔曼滤波方法对缺失数据的补全情况.实例分析结果验证了本文方法的可行性和有效性.

经颅霍尔效应刺激作用下神经元系统放电节律的理论研究

基于霍尔效应原理和Hodgkin-Huxley模型,研究经颅霍尔效应刺激对神经元系统放电节律的影响作用。研究表明,当超声和静磁场在神经元中产生的电流强度从10μA/cm2到55μA/cm2逐渐增大时,神经元动作电位的峰值从96 m V减小到71 m V,峰峰间期从15 ms减小到8.5 ms,发放率从4～6呈多级阶梯状逐渐增大。研究还发现,当超声的发射周期从6～100 ms逐渐增大时,神经元动作电位的发放率从1～5呈多级阶梯状逐渐增大。研究结果揭示经颅霍尔效应刺激对神经元放电节律的作用规律,有助于探索经颅霍尔效应刺激对神经精神类疾病治疗和康复的机理。

考虑大型车因素的城市路网交通流速度预测

针对大型车影响交通流速度问题,提出一种考虑大型车因素的路网交通流速度预测方法。首先根据二流理论将路段分为行驶流和排队流两部分;其次通过对路网路段的时空分析,将路段按旅行时间进行聚类,确定预测时长指数;再根据大型车特征与路段交通流速度的关系,引入大型车因素;最后使用GRU(gated recurrent unit)神经网络实现交通流速度预测,并利用VISSIM仿真进行验证。研究结果表明:考虑大型车因素可提高城市路网道路交通流速度的预测准确度。

基于各向异性高斯分布的视觉跟踪算法

为了提高使用传统特征的有效卷积操作算法(ECOhc)的跟踪性能,提出基于各向异性高斯分布的视觉跟踪算法.该方法根据不同目标的形状比构造水平和垂直方向上带宽不同的各向异性高斯函数,利用该函数训练跟踪器预测目标位置,提高算法的跟踪精度;提取颜色直方图特征跟踪预测新的目标位置,并在决策层加权融合2个预测位置,进一步提高跟踪精度.在标准数据集OTB-100、VOT2016中测试算法,本研究算法在数据集OTB-100上的平均距离精度为89.6%,平均重叠率为83.7%,比ECOhc算法分别提高4.67%、6.62%;本研究算法在数据集VOT2016上的平均期望重叠率为33.3%,比ECOhc算法提高3.42%.所提算法能有效提高目标跟踪的精度,在遇到遮挡、光线变化、变形等干扰时仍能稳定跟踪目标.

基于脑电微状态的脑力负荷评价方法

高级决策对于指挥者的脑力负荷具有更高的要求,及时获得指挥者的脑力负荷状态可以辅助人机系统并提高人机系统的智能化水平.设计了虚拟无人机操作环境,通过反应时任务描述了被试在进行高脑力负荷任务前后的行为学和事件相关电位改变.使用低导联脑电微状态对任务态被试的不同脑力负荷状态进行评价.结果表明,反应时任务可以从行为学评价被试的脑力负荷状态,低导联脑电微状态可以根据任务态脑电,客观评价被试的脑力负荷.

一种具有发育机制的感知行动认知模型

针对结构固定认知模型中存在的学习浪费与计算浪费问题,在具有内发动机机制的感知行动认知模型基础上,根据操作条件反射学习特性,借鉴潜在动作原理,建立起一种具有发育机制的感知行动认知模型D-SSCM (Development-sensorimotor cognitive model),具体为一个14元组,包含离散学习时间集、内部可感知离散状态集、可输出动作集、有效输出动作空间集、潜在动作关系集、可输出动作空间探索率集及发育算法等.针对模型发育过程,分别设计了模型结构扩展式发育方法和算法以及缩减式发育方法和算法,定义了模型的发育式学习过程.使用两轮机器人自平衡任务对设计的学习模型进行验证,实验结果表明,发育机制下的感知行动认知模型D-SSCM具有更快的学习速度及更稳定的学习效果.

一种具有情感和记忆机制的迷宫机器人认知模型

情感作为人类的高级认知,在环境学习和环境理解方面具有重要意义.将情感引入机器人搜索任务,同时结合记忆机理,提出一种具有情感和记忆机制的认知模型,由内部状态、感受器、环境状态系统、情感系统、动态知识库、行为决策系统以及执行器7部分组成.情感系统包含情感生成、情感状态以及情感记忆3个模块,其中,情感记忆用于提供内部奖励.记忆功能在动态知识库中实现.基于强化学习理论框架,将情感内部奖励与记忆进行融合,形成新的奖励机制,并设计相关认知学习算法.以需要“能量补给”的迷宫机器人搜索任务对所提出认知模型进行验证,结果发现,当面对不同情境时,机器人会产生不同的情感.结合前期记忆,机器人所作决策更“拟人”,表明情感和记忆机制设计的有效性.将所提出认知模型、无情感决策认知模型、基于ε-greedy策略的Q学习算法进行对比,结果表明,情感和记忆的引入,能够提高机器人的学习效率,同时学习过程更稳定.

融合上下文和重定位的加权相关滤波跟踪算法

为提升融合梯度直方图特征和颜色属性特征的有效卷积操作跟踪算法(ECO-HC)的跟踪精度和速度,提出一种融合上下文和重定位的加权相关滤波跟踪方法。根据梯度直方图和颜色属性的不同特性加权融合相关滤波响应值,采用自适应迭代方法预测目标位置;融合多尺度搜索区域,目标上下文特征和目标预测失败时重定位方法进一步提高跟踪精度。在标准数据集OTB-100上进行算法评估,实验结果表明,所提算法的平均距离精度为89.2%,平均重叠率精度为80.6%,比ECO-HC算法分别高3.6%和2.1%。中央处理器的跟踪速度达65.2 frame/s,优于实验中对比的其他跟踪算法。所提算法有效地提高了跟踪精度,在严重遮挡、光照变化等干扰下,仍能较好地跟踪目标。

应用头皮脑电高频振荡自动检测方法评估婴儿痉挛症经ACTH冲击治疗的疗效和预后

背景婴儿痉挛症是一种由多种病因引起的常见的灾难性婴儿癫痫性脑病,对传统的抗癫痫药物反应较差。促肾上腺皮质激素(Adrenocorticotropic hormone,ACTH)作为婴儿痉挛症的一线用药,虽有效率较高,但是有较高的复发风险。寻找一种精准评估患者治疗疗效及复发风险的生物标记物,对指导癫痫诊疗具有重要的临床意义。