一种基于SSVEP的仿人机器人异步脑机接口控制系统

设计了稳态视觉诱发电位(SSVEP)空闲状态检测的特征提取方法,建立了基于SSVEP的异步脑机接口二级分类器结构,开发了基于TI CC2430芯片的无线传感器网络模块,实现了机器人控制命令的远程传送,使该仿人机器人系统具有脑电控制、语音交互、游戏手柄交互、机器视觉与避障等功能.通过SSVEP空闲状态检测实验验证了脑机接口系统异步控制的有效性.

基于马尔可夫链的无线传感器网络分布式调度方法

能量效率是无线传感器网络(Wireless sensor network,WSN)研究中的核心问题之一.当节点采用电池供电时,有限的能量限制了网络的生存周期,从而对无线传感器网络的大规模应用提出了挑战.本文基于马尔可夫链,提出了一种实用的、协作分布式的调度方法,并从理论上证明了该方法的收敛性.该方法不仅可对节点的休眠/唤醒进行调度,还可以对节点数据发送进行调度以减少数据冲突的发生.仿真实验结果表明,该方法能够有效地减少节点能量的消耗,且对其他网络性能的影响较小.

基于深度学习加强的混合推荐方法

近年来基于矩阵分解的协同过滤算法在评分预测上取得了显著成果,但仍未能很好地解决冷启动、数据稀疏等问题。因此,如何将评论信息引入推荐系统以缓解上述问题成为研究的热点之一。该文尝试基于深度学习来加强个性化推荐,提出将层叠降噪自动编码器(stacked denoising auto-encoder,SDAE)与隐含因子模型(latent factor model,LFM)相结合的混合推荐方法,综合考虑评论文本与评分,以提升推荐模型对潜在评分预测的准确性。在常用大规模公开Amazon数据集上进行的测试结果表明:与传统推荐模型相比,该文提出的方法可有效提高评分预测的准确性,性能提升最高可达64.43%。

面向匹配决策问题的漏整合神经元稀疏ESN网络

为了对匹配决策问题进行建模与预测,提出了一种具有更多神经生理学特征的稀疏回声状态网络(ESN),并基于在线监督学习方法对网络进行训练.为了评估网络的匹配决策性能,设计了三组测试数据集对网络性能进行测试,并提出了一种基于网络期望输出与实际输出序列最大相关系数的评价方法.仿真结果表明,新模型只需要较少的训练时间即可获得较好的决策性能,且对发放时间间隔、平移和网络噪声具有较好的鲁棒性.