XiaoMi-AI文件搜索系统
World File Search System图对
概念图对设计神经认知的影响
摘要................................................................................................................................................ii
脑电图对用户输入的实用性
本论文/论文由美国俄亥俄州阿克伦市阿克伦大学机构知识库 IdeaExchange@UAkron 的 Gary B. 博士和 Pamela S. Williams 荣誉学院免费提供给您，供您开放访问。IdeaExchange@UAkron 的授权管理员已接受本论文/论文，将其纳入 Williams 荣誉学院荣誉研究项目。如需了解更多信息，请联系 mjon@uakron.edu、uapress@uakron.edu。
有向图对比学习
图对比学习 (GCL) 已出现，用于从对比视图中学习可泛化的表示。然而，它仍处于起步阶段，存在两个问题：1）通过数据增强改变图结构来生成对比视图可能会误导消息传递方案，因为这种图改变操作会剥夺内在的图结构信息，尤其是有向图中的方向结构；2）由于 GCL 通常使用带有手动挑选参数的预定义对比视图，因此它没有充分利用数据增强提供的对比信息，导致模型学习的结构信息不完整。在本文中，我们设计了一种称为拉普拉斯扰动的有向图数据增强方法，并从理论上分析了它如何在不改变有向图结构的情况下提供对比信息。此外，我们提出了一个有向图对比学习框架，该框架从拉普拉斯扰动生成的所有可能的对比视图中动态学习。然后我们使用多任务课程学习来训练它，以从多个易到难的对比视图中逐步学习。我们通过实证研究证明，我们的模型能够比其他 GCL 模型保留更多有向图的结构特征，因为它能够提供完整的对比信息。在各种基准测试中的实验表明，我们优于最先进的方法。
使用脑电图的动态功能连接图对运动任务进行早期分类
摘要。目的。在开发脑机接口 (BCI) 时，使用短记录间隔对脑电图 (EEG) 信号进行高精度分类一直是一个难题。本文提出了一种新颖的 EEG 记录特征提取方法来解决这个问题。方法。所提出的方法基于大脑以动态方式运作的概念，并利用动态功能连接图。首先将 EEG 数据分割成功能网络维持其连接的间隔。然后定位每个识别出的段的功能连接网络，并构建图形，这些图形将用作特征。为了利用生成的图的动态特性，采用长短期记忆 (LSTM) 分类器进行分类。主要结果。从与运动执行和想象任务相关的不同持续时间的刺激后 EEG 数据中提取的特征用于测试分类器的性能。结果显示平均准确率为 85。 32% 的准确率仅使用从刺激后 500 毫秒数据中提取的特征。意义。我们的结果首次证明，使用所提出的特征提取方法，仅使用几百毫秒的数据就可以对 EEG 记录中的运动任务进行分类。这个持续时间比以前报告的要短得多。这些结果对于提高 BCI 的有效性和速度具有重要意义，特别是对于辅助技术中使用的 BCI。