这是一篇在接受后经过改进的文章的 PDF 文件,例如添加了封面和元数据,以及格式化以提高可读性,但它还不是最终的记录版本。此版本在以最终形式发布之前将经过额外的文字编辑、排版和审查,但我们提供此版本是为了让文章尽早可见。请注意,在制作过程中,可能会发现可能影响内容的错误,并且适用于期刊的所有法律免责声明均适用。
这是一篇在接受后经过改进的文章的 PDF 文件,例如添加了封面和元数据,以及格式化以提高可读性,但它还不是最终的记录版本。此版本在以最终形式发布之前将经过额外的文字编辑、排版和审查,但我们提供此版本是为了让文章尽早可见。请注意,在制作过程中,可能会发现可能影响内容的错误,并且适用于期刊的所有法律免责声明均适用。
这是一篇在接受后经过改进的文章的 PDF 文件,例如添加了封面和元数据,以及格式化以提高可读性,但它还不是最终的记录版本。此版本在以最终形式发布之前将经过额外的文字编辑、排版和审查,但我们提供此版本是为了让文章尽早可见。请注意,在制作过程中,可能会发现可能影响内容的错误,并且适用于期刊的所有法律免责声明均适用。
1 分子和细胞免疫学部门,伦敦大学学院 GOS 儿童健康研究所,30 Guilford Street,伦敦,WC1N 1EH,英国。2 圣约翰皮肤病研究所,伦敦国王学院(盖伊校区),Great Maze Pond,伦敦,SE1 9RT,英国。3 超微结构成像中心,伦敦国王学院,伦敦,SE1 1UL,英国。4 伦敦大学学院 Great Ormond Street 儿童健康研究所,组织病理学系,Camelia Botnar 实验室,3 楼,伦敦,WC1N 3JH 5 妇女和儿童健康系,生命过程科学学院,生命科学与医学学院,伦敦国王学院,伦敦,SE1 9RT,英国。* 通讯作者电子邮件:petrova.anastasia@gmail.com
这是一篇在接受后经过改进的文章的 PDF 文件,例如添加了封面和元数据,以及格式化以提高可读性,但它还不是最终的记录版本。此版本在以最终形式发布之前将经过额外的文字编辑、排版和审查,但我们提供此版本是为了让文章尽早可见。请注意,在制作过程中,可能会发现可能影响内容的错误,并且适用于期刊的所有法律免责声明均适用。
虽然它可以是机器学习的一个子集(Jordan & Mitchell,2015),但自然语言是基于模拟的学习交互的一个重要方面,因此我们将其编码为一个单独的类别,包括明确使用 NLP 或 TTS 关键字的研究。 基于规则的人工智能 灵敏度和响应性较低的预定人工智能技术之一。基于规则的人工智能技术“使用手工制作的算法或已经存在的算法作为决策者来识别知识和响应”(Maroengsit 等人,2019 年,第 112 页)。 人工智能标记语言 XML(也称为可扩展标记语言)为监督的刺激响应聊天机器人开发(Wallace,2009 年)。 脚本化人工智能 指“按顺序执行的规则列表”(Spronck 等人,2006 年,第 218 页),与基于规则的人工智能类似,但动态性较差。 情感计算 关联、检测、表达或有目的地影响情绪的计算方法(Picard,1997 年)。
这是一篇在接受后经过改进的文章的 PDF 文件,例如添加了封面和元数据,以及格式化以提高可读性,但它还不是最终的记录版本。此版本在以最终形式发布之前将经过额外的文字编辑、排版和审查,但我们提供此版本是为了尽早看到这篇文章。请注意,在制作过程中,可能会发现可能影响内容的错误,并且适用于该期刊的所有法律免责声明均适用。
从原始脑电信号中学习可区分的特征对于准确分类运动想象 (MI) 任务至关重要。为了结合脑电源之间的空间关系,我们开发了一个基于脑电图的特征集。在此图中,脑电通道表示节点,功率谱密度 (PSD) 特征定义其属性,边缘保留空间信息。我们设计了一个基于脑电图的图形自注意网络 (EGSAN) 来学习脑电图的低维嵌入向量,可将其用作运动想象任务分类的可区分特征。我们在两个公开可用的 MI 脑电数据集上评估了我们的 EGSAN 模型,每个数据集包含不同类型的运动想象任务。我们的实验表明,我们提出的模型有效地从脑电图中提取了可区分的特征,与现有的最先进方法相比,分类准确率明显更高。关键词:运动想象 (MI)、脑电图 (EEG)、特征学习、图形表示、自注意