CASIA OpenIR  > 学术期刊  > 自动化学报
面向认知表现预测的时−空共变混合深度学习模型
李晴; 徐雪远; 邬霞
Source Publication自动化学报
ISSN0254-4156
2022
Volume48Issue:12Pages:2931-2940
Abstract认知表现预测已经成为当前大脑研究的重要课题.功能磁共振成像技术由于同时具有较好的时间和空间分辨率,有潜力为认知表现预测提供数据支持.为了解决基于功能磁共振成像数据对认知表现进行预测时大脑所具有的时-空共变难刻画问题,提出了一种新型基于大脑学习机制的时-空共变混合深度学习模型,即深度稀疏自编码器与循环全连接网络混合模型,以混合神经网络模型的损失函数误差作为认知表现预测能力的评价标准.在人类连接组项目数据集上的实验结果表明,提出的时-空共变混合模型能够有效和稳健地预测认知表现,并提取到与人脑学习、记忆相关的有意义的脑影像特征,从而为认知表现预测提供技术支持.
Keyword循环自编码器 时-空共变深度学习模型 混合深度学习模型 认知表现预测 脑启发模型
DOI10.16383/j.aas.c220025
Citation statistics
Document Type期刊论文
Identifierhttp://ir.ia.ac.cn/handle/173211/56228
Collection学术期刊_自动化学报
Recommended Citation
GB/T 7714
李晴,徐雪远,邬霞. 面向认知表现预测的时−空共变混合深度学习模型[J]. 自动化学报,2022,48(12):2931-2940.
APA 李晴,徐雪远,&邬霞.(2022).面向认知表现预测的时−空共变混合深度学习模型.自动化学报,48(12),2931-2940.
MLA 李晴,et al."面向认知表现预测的时−空共变混合深度学习模型".自动化学报 48.12(2022):2931-2940.
Files in This Item: Download All
File Name/Size DocType Version Access License
AAS-CN-2022-0025.pdf(2498KB)期刊论文出版稿开放获取CC BY-NC-SAView Download
Related Services
Recommend this item
Bookmark
Usage statistics
Export to Endnote
Google Scholar
Similar articles in Google Scholar
[李晴]'s Articles
[徐雪远]'s Articles
[邬霞]'s Articles
Baidu academic
Similar articles in Baidu academic
[李晴]'s Articles
[徐雪远]'s Articles
[邬霞]'s Articles
Bing Scholar
Similar articles in Bing Scholar
[李晴]'s Articles
[徐雪远]'s Articles
[邬霞]'s Articles
Terms of Use
No data!
Social Bookmark/Share
File name: AAS-CN-2022-0025.pdf
Format: Adobe PDF
All comments (0)
No comment.
 

Items in the repository are protected by copyright, with all rights reserved, unless otherwise indicated.