时变动态贝叶斯网络模型及其在皮层脑电网络连接中的应用

大脑执行语言的发音需要顶叶、颞叶、额叶等多个脑区协同完成.皮层脑电具有高时间分辨率、较高空间分辨率和高信噪比等优势,为研究大脑的电生理特性提供了重要的技术手段.为了探索大脑对语言的动态处理过程,利用多尺度皮层脑电(标准电极与微电极)分析了被试在执行音节朗读任务时的皮层脑电信号的高频gamma段特征,提出采用时变动态贝叶斯网络构建单次实验任务的有向网络.结果显示该方法能够快速有效地构建语言任务过程中标准电极、微电极以及二者之间的有向网络连接,且反映了大规模网络(标准电极之间的连接)、局部网络(微电极之间的连接)以及大规模网络与局部网络之间的连接(标准电极与微电极之间的连接)随语言任务发生的动态改变.研究还发现,发音时刻之前与之后的网络连接存在显著性差异,且发音方式不同的音节网络间也存在明显差异.该研究将有助于癫痫等神经疾病的术前临床评估以及理解大脑对语言加工的实时处理过程.

基于时变DBN的UAV航路威胁评估模型

无人机在复杂的战场环境执行突防任务时,需要对地面火力单元的威胁状态进行评估,以达到航路动态规划,避免击落的目的。而常用的基于离散贝叶斯网络的航路威胁评模型,需要对连续观测数据离散模糊化,导致评估结果不准确,且评估模型结构和参数固定,无法适用于存在突发威胁的战场环境。为解决上述问题,提出了一种基于时变混合动态贝叶斯网络的威胁评估模型,设计了雷达连续跟踪概率评估算法和防空武器杀伤概率评估算法,保证了模型对地面火力单元威胁态势评估的可靠性;在此基础上采用航路规划预测控制方法,实现突防航路动态规划。仿真结果验证了模型的有效性。

基于时变离散DBN的无人机任务决策模型

针对动态战场环境下无人机自主任务决策问题,提出一种基于时变离散动态贝叶斯网络的决策模型学习算法。在获得的前一时刻模型结构和参数基础上,通过粒子滤波算法动态更新模型结构和参数状态,利用实时获得的非平稳观测信息,完成当前时刻的任务决策推理。仿真结果表明,该模型学习算法能够在威胁联网的战场环境中保证无人机任务决策的有效性。