典型文献
基于深度主题模型的飞行员脑疲劳检测
文献摘要：
飞行员脑疲劳状态检测需要解决脑认知图谱生成和脑疲劳检测模型构建问题.针对第一个问题,本文通过等距方位投影法将全脑电极位置的脑疲劳指标映射为二维脑功率图谱,形成一种新型脑认知图谱.针对第二个问题,本文建立一种深度主题学习模型,即深度潜狄利克雷模型(Deep Latent Dirichlet Model,DLDM),解决了飞行员疲劳状态主题学习问题.DLDM深度模型通过多项式分布逐层扩展脑功率图谱中蕴含的概率分布信息,推理脑功率图谱的层次概率分布特征,实现更有效的飞行员疲劳状态主题学习.同时为了避免启发式假设,本文提出一种有效的不同层与主题间自适应学习率的随机梯度下降推断方法,更加高效地推理DLDM网络结构参数.实验结果显示,DLDM网络可以逐层扩展脑功率图谱中蕴含的概率分布信息,推理出更丰富的抽象特征信息,实现脑疲劳认知主题学习.对比其他脑疲劳检测方法,本文方法分类精度可提升2％.
文献关键词：
脑功率图谱;疲劳认知状态;主题学习;深度模型;概率推断;狄利克雷模型
中图分类号：
作者姓名：
吴奇;陈琪琦;彭献永;仇峰
作者机构：
上海交通大学自动化系,上海200240;系统控制与信息处理教育部重点实验,上海200240;上海工业智能管控工程技术研究中心,上海200240;中国矿业大学低碳能源与动力工程学院,江苏徐州221116
文献出处：
引用格式：
[1]吴奇;陈琪琦;彭献永;仇峰-.基于深度主题模型的飞行员脑疲劳检测)[J].电子学报,2022(08):1801-1810
A类：
方位投影,脑功率图谱,DLDM,疲劳认知状态,概率推断
B类：
主题模型,飞行员,脑疲劳,疲劳状态,状态检测,脑认知,认知图谱,图谱生成,检测模型,构建问题,等距,投影法,全脑,脑电,电极位置,主题学习,狄利克雷模型,Deep,Latent,Dirichlet,Model,学习问题,深度模型,多项式,逐层,概率分布,分布信息,启发式,自适应学习率,随机梯度下降,特征信息,疲劳检测方法,方法分类,分类精度
AB值：
0.260897
相似文献
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。
