典型文献
面向认知表现预测的时-空共变混合深度学习模型
文献摘要：
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.
文献关键词：
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
中图分类号：
作者姓名：
李晴;徐雪远;邬霞
作者机构：
北京师范大学人工智能学院 北京100875;北京师范大学认知神经科学与学习国家重点实验室 北京100875
文献出处：
引用格式：
[1]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(12):2931-2940
A类：
认知表现预测,深度稀疏自编码器,循环自编码器,脑启发模型
B类：
混合深度学习模型,功能磁共振成像技术,空间分辨率,学习机制,全连接网络,混合模型,混合神经网络,损失函数,预测能力,连接组,组项,项目数,取到,人脑学习,脑影像,影像特征,变深
AB值：
0.186619
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
