科研之友
微信
新浪微博
Facebook
分享链接
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%.
- 单位
