基于标记注意力机制的社区发现算法

针对网络的聚类进行研究,提出了一种基于标记注意力机制的社区发现算法,网络特征通过标记节点频率及反示例节点频率联合度量,为使网络特征的度量更加关注于示例节点的细节信息,引入注意力机制来处理网络特征。社区划分由复杂网络预处理、网络节点的策略、社区博弈归并三个部分组成,其中网络节点的策略由无贡献节点归并、节点到社区的判断以及节点逻辑标记和的判断三个步骤组成。实验借助于真实网络进行验证,在归一化互信息、模块度、社区划分数量及运行时间四个方面,基于标记注意力机制的社区发现算法都优于其它社区发现算法。在实际生活中应用此算法,能够更加直观地显示网络内部之间存在的联系。

双眼竞争平均交替速率的客观检测

双眼竞争是两侧不相融合的单眼图像刺激形成主观意识交替占优的现象。为实现对双眼竞争中意识交替平均速率的客观检测,提出了一种将相位锁定与互功率谱估计相结合的脑电分析算法,利用频率标记双眼竞争过程中记录的脑电信号。在对6例实验数据的分析中,客观检测平均速率与主观报告相差10%以内。该方法抗噪性能好,不需要主观参与,适用于无法言语表达的婴儿及老人受试。平均交替速率作为一项辅助诊断指标,对老年痴呆症、儿童多动症等多种神经障碍疾病的诊断具有应用前景。

相位同步方法用于稳态视觉诱发电位的测量

稳态视觉诱发电位(SSVEP)被广泛用于脑-机接口和脑电的稳态标记频率检测中。在这些研究中,都需要解决一个问题:当视觉刺激的频率发生变化时,如何通过分析SSVEP信号,快速准确地跟踪上这种变化。解决这个问题通常的分析方法是利用信号的频谱特征。该文依据稳态视觉诱发电位与视觉刺激之间的时间锁定关系,提出用相位同步化方法来解决这个问题。实验结果表明,相位同步化方法能够更加准确地定位刺激频率的变化时刻。在SSVEP研究中,相位同步化可以作为一个新的可资利用的特征。

稳态视觉诱发电位及其在视觉选择性注意研究中的应用

以固定频率发生周期性变化的视觉刺激信号进入大脑后,将会诱发一系列与之频率相同的周期性脑电位,这个电位叫做稳态视觉诱发电位(steady-state visual evoked potentials,SSVEP).SSVEP广泛应用于脑机接口和人类认知研究中.相同频率下,SSVEP的振幅高低与视觉注意资源分配具有相关性,因此在视觉选择性注意研究中常常使用SSVEP作为表征注意分配的电生理指标.以SSVEP为指标进行视觉选择性注意研究时,主要的应用手段是频率标记.频率标记是指让被标记刺激发生特定频率的周期性变化,从而诱发与之频率相同的SSVEP,并以每个刺激诱发的SSVEP的振幅作为注意资源分配水平的指标.根据研究目的不同,在频率标记的基础上进一步发展出了快速周期性视觉刺激范式和随机运动点阵范式用于视觉注意的研究.视觉选择性注意中,SSVEP适用于基于空间的注意和基于特征的注意研究.今后使用SSVEP对视觉选择性注意进行研究时,可以试图增加如情绪诱发、奖励和惩罚、工作记忆表征等影响视觉选择性注意的研究变量,也可以以SSVEP为指标,建立基于特征的注意和基于空间的注意之间的联系.此外,脑机接口研究中开发的针对SSVEP的算法也许可引入视觉选择性注意研究中.