检索结果-内蒙古大学图书馆

作者：陈华富黄伟王冲颜红梅杨晓青杨天刘秩铭 611731 四川省成都市高新区(西区)西源大道2006号

本发明公开了一种基于深度编解码对偶模型的复杂视觉图像重构方法，属于生物医学图像脑解码中的视觉场景重构技术领域。本发明首先采集观看大量自然图像下的功能磁共振信号。然后分别建立四个网络模型：1、编码模型，即使用卷积神经网... 详细信息

标准号: CN108573512B

本发明公开了一种基于深度编解码对偶模型的复杂视觉图像重构方法，属于生物医学图像脑解码中的视觉场景重构技术领域。本发明首先采集观看大量自然图像下的功能磁共振信号。然后分别建立四个网络模型：1、编码模型，即使用卷积神经网络将自然图像编码成视觉区的体素信号；2、解码模型，即是用卷积神经网络以及反卷积神经网络将视觉区体素信号解码成自然图像；3、判别自然图像模型，即判断真图像与假图像；4、判别视觉区响应模型，即判断真信号与假信号。通过训练设计好的四个模型，可实现从脑信号中还原出视觉场景图像。本发明首次解决了自然场景与脑信号之间直接相互转换的问题，可以实现脑机接口场景的实际应用。

关键词：自然图像视觉区卷积神经网络视觉场景体素重构功能磁共振信号图像生物医学图像自然图像编码解码编码模型对偶模型解码模型脑机接口神经网络视觉图像网络模型响应模型信号解码自然场景编解码反卷积假图像还原采集场景转换观看应用

来源：评论

学校读者我要写书评

暂无评论

一种基于深度编解码对偶模型的复杂视觉图像重构方法

一种基于深度编解码对偶模型的复杂视觉图像重构方法

引用

作者：陈华富黄伟王冲颜红梅杨晓青杨天刘秩铭 611731 四川省成都市高新区(西区)西源大道2006号

标准号: CN108573512A

来源：评论

学校读者我要写书评

暂无评论

基于深度学习模型的人脸视觉信息解码研究

基于深度学习模型的人脸视觉信息解码研究

引用

作者：龚禹铭江西财经大学

学位级别：硕士

人脑作为中枢神经系统中最复杂的器官，它调控我们的意识、语言、学习和记忆等高级神经活动。位于人脑后部的枕叶为视觉皮层，是人脑皮层中主要负责视觉信息的部分。由于人类对外界世界的感知和认识主要是依靠于人脑的视觉信息，所以对... 详细信息

人脑作为中枢神经系统中最复杂的器官，它调控我们的意识、语言、学习和记忆等高级神经活动。位于人脑后部的枕叶为视觉皮层，是人脑皮层中主要负责视觉信息的部分。由于人类对外界世界的感知和认识主要是依靠于人脑的视觉信息，所以对视觉信息的解读是探索人脑处理信息机制的重要手段，同时也是神经科学和信息领域的一个热点研究课题。神经影像技术中的功能磁共振成像技术（functionalMagneticResonanceImaging,fMRI）可以提供高分辨率的人脑活动图像，同时具备非入侵性，是研究人脑视觉认知的主要神经成像技术之一。　　针对人脑视觉信息的解码问题，本文主要借助于深度学习模型，来对人脑在静态图像刺激下获取的fMRI信号进行类别解码和可视化分析。以人脑视觉信息的fMRI数据为研究对象，首先将fMRI数据转换为网络结构数据，以增加信息量，建立图卷积神经网络(GraphConvolutionalNetwork,GCN)模型进行类别解码。然后根据fMRI数据的维度特点，将三维卷积神经网络(Three-DimensionalConvolutionalNeuralNetworks,3DCNN)作为解码模型，结合可视化技术对各体素的表现进行解释。主要工作包括：　　（1）提出了基于图卷积神经网络模型的视觉信息解码方法。首先对fMRI数据进行预处理，利用特征选择来降低噪声以及删除冗余特征。然后为了增加体素的信息量，将体素本身的数值作为节点，体素之间的欧氏距离作为连边，建立图结构数据。基于图卷积神经网络的空域构建方式，建立图卷积神经网络作为解码模型。结果表明，针对人脑在静态图像刺激下获取的fMRI信号，图卷积网络模型具有很好的分类效果，准确率高于传统机器学习模型。　　（2）提出了一种基于三维卷积神经网络模型的视觉信息解码方法。fMRI数据作为四维数据，同时具有时间和三维的空间信息。三维卷积神经网络可以充分提取空间域的特征，进而准确表达和获取人脑视觉区域内体素所具有的信息，最终建立三维卷积神经网络模型作为解码模型，并且进行类别解码。　　（3）基于梯度权重类别激活映射(Gradient-weightedClassActivationMapping,Grad-CAM)技术实现fMRI特征可视化。通过三维卷积神经网络模型预测出的目标类别，反向推导出各体素的融合权重，并将其映射到人脑的神经影像中，最后绘制出人脑切片图像和人脑三维图像进行分析。结果表明模型在分辨不同类别的物体时，视觉区域的体素具有差异性的表现。

关键词：功能磁共振成像视觉信息解码模型三维卷积神经网络深度学习

来源：评论

学校读者我要写书评

暂无评论

基于深度学习模型的人脑视觉信息解码研究

基于深度学习模型的人脑视觉信息解码研究

引用

作者：龚禹铭江西财经大学

学位级别：硕士

人脑作为中枢神经系统中最复杂的器官,它调控我们的意识、语言、学习和记忆等高级神经活动。位于人脑后部的枕叶为视觉皮层,是人脑皮层中主要负责视觉信息的部分。由于人类对外界世界的感知和认识主要是依靠于人脑的视觉信息,所以对视... 详细信息

人脑作为中枢神经系统中最复杂的器官,它调控我们的意识、语言、学习和记忆等高级神经活动。位于人脑后部的枕叶为视觉皮层,是人脑皮层中主要负责视觉信息的部分。由于人类对外界世界的感知和认识主要是依靠于人脑的视觉信息,所以对视觉信息的解读是探索人脑处理信息机制的重要手段,同时也是神经科学和信息领域的一个热点研究课题。神经影像技术中的功能磁共振成像技术(functional Magnetic Resonance Imaging,f MRI)可以提供高分辨率的人脑活动图像,同时具备非入侵性,是研究人脑视觉认知的主要神经成像技术之一。针对人脑视觉信息的解码问题,本文主要借助于深度学习模型,来对人脑在静态图像刺激下获取的f MRI信号进行类别解码和可视化分析。以人脑视觉信息的f MRI数据为研究对象,首先将f MRI数据转换为网络结构数据,以增加信息量,建立图卷积神经网络(Graph Convolutional Network,GCN)模型进行类别解码。然后根据f MRI数据的维度特点,将三维卷积神经网络(Three-Dimensional Convolutional Neural Networks,3D CNN)作为解码模型,结合可视化技术对各体素的表现进行解释。主要工作包括:(1)提出了基于图卷积神经网络模型的视觉信息解码方法。首先对f MRI数据进行预处理,利用特征选择来降低噪声以及删除冗余特征。然后为了增加体素的信息量,将体素本身的数值作为节点,体素之间的欧氏距离作为连边,建立图结构数据。基于图卷积神经网络的空域构建方式,建立图卷积神经网络作为解码模型。结果表明,针对人脑在静态图像刺激下获取的f MRI信号,图卷积网络模型具有很好的分类效果,准确率高于传统机器学习模型。(2)提出了一种基于三维卷积神经网络模型的视觉信息解码方法。f MRI数据作为四维数据,同时具有时间和三维的空间信息。三维卷积神经网络可以充分提取空间域的特征,进而准确表达和获取人脑视觉区域内体素所具有的信息,最终建立三维卷积神经网络模型作为解码模型,并且进行类别解码。(3)基于梯度权重类别激活映射(Gradient-weighted Class Activation Mapping,Grad-CAM)技术实现f MRI特征可视化。通过三维卷积神经网络模型预测出的目标类别,反向推导出各体素的融合权重,并将其映射到人脑的神经影像中,最后绘制出人脑切片图像和人脑三维图像进行分析。结果表明模型在分辨不同类别的物体时,视觉区域的体素具有差异性的表现。

关键词：功能磁共振成像解码模型三维卷积神经网络 Grad-CAM技术图卷积神经网络图数据

来源：评论

学校读者我要写书评

暂无评论

生成式模型解码方法、装置、设备及介质

生成式模型解码方法、装置、设备及介质

引用

作者：谯轶轩 518000 广东省深圳市福田区福田街道福安社区益田路5033号平安金融中心23楼

本发明涉及人工智能及医疗健康技术领域，公开了一种生成式模型解码方法、装置、设备及介质，该方法包括：获取待识别的目标语句与生成式语言模型所含的解码模型；将字符序列输入到解码模型，根据解码模型的网络结构从头至尾依次对网络... 详细信息

标准号: CN116911279A

本发明涉及人工智能及医疗健康技术领域，公开了一种生成式模型解码方法、装置、设备及介质，该方法包括：获取待识别的目标语句与生成式语言模型所含的解码模型；将字符序列输入到解码模型，根据解码模型的网络结构从头至尾依次对网络层进行计算，确定至少一部分网络层的置信度；若检测到当前任一网络层的置信度大于预设置信度，则终止计算相对当前任一网络层的下一网络层的置信度，并将当前网络层的置信度作为字符的预测值，直至确定字符序列所有字符的预测值；依据字符序列将各字符所对应的预测值进行组合，确定解码结果，避免解码模型只能在最后一个网络层预测输出，通过跳过后续网络层的计算过程，大幅度地降低了计算时间，提高了解码效率。

关键词：网络层解码模型置信度字符序列预测生成式人工智能后续网络计算过程解码结果模型解码目标语句网络结构医疗健康语言模型预设置跳过信度输出检测

来源：评论

学校读者我要写书评

暂无评论

应用眼电图的人眼注视目标运动信息线性解码方法

引用

西安交通大学学报 2013年第12期47卷 123-129页

作者：张进华郭锋洪军李小虎张育林西安交通大学机械制造系统工程国家重点实验室西安710049

为了获取被观测目标的连续运动信息,提出一种基于眼电图(electrooculography,EOG)的连续眼球运动解码方法。首先,基于小波变换和双阈值处理,提出一种新的眨眼检测算法,对有意识单、双眨眼进行识别和分离,并通过线性插值对眨眼段信号进... 详细信息

为了获取被观测目标的连续运动信息,提出一种基于眼电图(electrooculography,EOG)的连续眼球运动解码方法。首先,基于小波变换和双阈值处理,提出一种新的眨眼检测算法,对有意识单、双眨眼进行识别和分离,并通过线性插值对眨眼段信号进行补偿。然后,对信号进行基线去除和中值滤波去噪后,构建基于EOG的人眼注视目标运动信息线性解码模型,并通过递归最小二乘(RLS)算法实现模型参数的标定。实验结果显示,眨眼识别算法正确率达94.7%,解码模型的解码性能良好,其统计意义上的离线解码精度在水平方向达到11.32mm,垂直方向达到16.9mm,解码信息与真实信息具有较好的吻合度。该模型可用于基于EOG的眼动连续解码和控制。

关键词：眼电图解码模型递归最小二乘

来源：评论

学校读者我要写书评

暂无评论

一种基于CTC模型解码的实现方法、装置、设备及可读存储介质

一种基于CTC模型解码的实现方法、装置、设备及可读存储介质

引用

作者：肖艳红赵茂祥李全忠何国涛蒲瑶 519000 广东省珠海市横琴新区宝华路6号105室-58115

本发明公开了一种基于CTC模型解码的实现方法、装置、设备及可读存储介质，包括：将待解码声音送入解码模型；其中，待解码声音包括空白字符字符和非空白字符；由解码模型对待解码声音进行解码；其中，解码模型包括DNN结构与HMM结构；DN... 详细信息

标准号: CN115116435A

本发明公开了一种基于CTC模型解码的实现方法、装置、设备及可读存储介质，包括：将待解码声音送入解码模型；其中，待解码声音包括空白字符字符和非空白字符；由解码模型对待解码声音进行解码；其中，解码模型包括DNN结构与HMM结构；DNN结构用于获取空白字符与非空白字符的声学分；HMM结构包括一种将空白字符和其所连接的非空白字符的隐马尔可夫模型合并的结构，每个非空白字符都有一个边带，边带自跳的发射概率为空白字符的声学分，边带转移的发射概率为非空白字符的声学分。本发明通过一种新的解码模型，删除待解码声音解码过程中的没有实际输出含义的空白信号，解决了解码所需的内存过多的问题。

关键词：空白字符解码模型解码声音非空白声学边带隐马尔可夫模型可读存储介质解码解码过程空白信号模型解码实际输出发射概率与非内存删除送入合并

来源：评论

学校读者我要写书评

暂无评论

基于图卷积网络和推荐算法的人脑视觉信息编解码研究

基于图卷积网络和推荐算法的人脑视觉信息编解码研究

引用

作者：陈思江西财经大学

学位级别：硕士

人脑是人体内非常复杂又重要的器官,研究人脑的功能是十分有意义的。视觉信息作为人类认知主要的信息来源,其运行机理一直是脑科学的研究热点。功能磁共振成像(functional Magnetic Resonance Imaging,f MRI)是目前观测人脑活动最主要... 详细信息

人脑是人体内非常复杂又重要的器官,研究人脑的功能是十分有意义的。视觉信息作为人类认知主要的信息来源,其运行机理一直是脑科学的研究热点。功能磁共振成像(functional Magnetic Resonance Imaging,f MRI)是目前观测人脑活动最主要的研究工具,可以对人脑以较高的时空分辨率进行三维无损成像。针对人脑视觉信息的解码问题,本文主要借助于图卷积网络模型,对人脑在静态图像刺激下获取的功能磁共振成像信号进行类别解码。以人脑中视觉信息的f MRI数据为研究对象,先对f MRI数据进行预处理和特征选择,然后通过两种不同的方式来构建图数据,再建立图卷积神经网络(Graph Convolutional Network,GCN)模型和支持向量机(Support Vector Machines,SVM)模型进行类别解码。针对人脑视觉信息的编码问题,本文主要通过将刺激图片编码过程类比为推荐系统中用户购买商品的过程,通过推荐系统的相关知识与方法进行研究。本文主要工作包括:1.提出了基于图卷积神经网络模型的人脑视觉信息解码方法。首先对功能磁共振成像数据进行数据预处理和特征选择操作,然后利用体素的结构与信息,通过两种不同的方式设置节点与连边,以建立图结构数据,并建立图卷积神经网络模型与SVM模型进行解码。实验结果表明,针对人脑在视觉图像刺激下获取的f MRI信号,两种方式构建的模型都具有良好的分类效果。2.提出了基于推荐算法的人脑视觉信息编码方法。本文创新性地将推荐算法与f MRI信号研究联系起来,将f MRI数据中的体素类比为推荐算法中的商品,将刺激图像视为用户,进而可以将f MRI信息编码中,刺激图像编码为体素的过程,类比为推荐算法中用户购买商品的过程,再使用推荐算法中网络模型的构建方法,通过基于物品相似度的召回操作与排序层的排序回归操作,得到人脑视觉图像的编码信号,最终实现刺激图像的编码分析。

关键词：功能磁共振成像解码模型图数据图卷积神经网络编码模型推荐算法

来源：评论

学校读者我要写书评

暂无评论

两核苷酸实时合成测序的数据处理及解码算法

两核苷酸实时合成测序的数据处理及解码算法

引用

作者：张睿雄东南大学

学位级别：硕士

DNA测序技术在生物医学研究和应用中扮演着非常重要的角色。但是与Sanger测序法相比,新一代测序技术依然存在测序误差率较高和读长较短的问题。两核苷酸实时合成测序技术是东南大学生物电子学国家重点实验室提出的一种新型的测序技术,... 详细信息

DNA测序技术在生物医学研究和应用中扮演着非常重要的角色。但是与Sanger测序法相比,新一代测序技术依然存在测序误差率较高和读长较短的问题。两核苷酸实时合成测序技术是东南大学生物电子学国家重点实验室提出的一种新型的测序技术,该技术相比目前流行的高通量测序技术具有更低的测序误差率和更长的读长。但是该测序技术的测序结果不能直接利用,需要进行数据处理和解码。为了将初始的测序数据转换为目标序列,本论文建立了基本的解码模型。我们首先建立了数据处理和数据转换方法,将初始的三组编码序列信息转换为计数矩阵的形式,同时确立并建立了解码目标和目标序列的数学形式。然后基于计数矩阵建立了基本的解码模型,我们采用比对法按照顺序依次对目标序列的每个位点进行解码。随后我们通过模拟实验证实,我们发现在不存在实验错误的前提下,基本解码模型能够完全正确的解码出目标序列。因为在测序过程中系统或多或少会引入测序误差,为了尽可能降低测序误差对重构目标序列的影响,我们建立了具有容错功能的解码模型。我们首先建立了具有容错功能的基本解码模型,对非多聚体造成的偏差进行修正。我们采用迭代法对含有偏差的计数矩阵进行多轮修正步骤,并采用枚举法对每轮多个可能的修正结果分别进行分析,并通过论证排除错误的修正结果。然后我们对具有容错功能的基本解码模型进行了拓展。我们采用了容错性更强的筛选模型,用来从多种可能的修正结果中排除错误的解。随后我们通过模拟实验证实,解码模型不论对非多聚体还是多聚体造成的偏差都具有较好的容错性,但是当含有偏差的编码较密集时解码模型的解码正确率会下降。为使该测序技术应用于从混合DNA样本中检测SNP,本论文建立了野生型和突变型序列的信号光谱差异模型,并提出了初步的SNP检测方案,设计了相应的算法。为使该技术应用于已知序列的重测序,我们建立了双核苷酸合成方案的基本设计方法。我们采用贪婪算法针对给定的靶序列设计合成方案,同时我们设计了相应的算法来实现这种设计方案。

关键词：高通量测序两核苷酸实时合成测序解码模型 SNP检测混合测序

来源：评论

学校读者我要写书评

暂无评论

一种多语种语音翻译模型构建方法及语音翻译方法、装置

一种多语种语音翻译模型构建方法及语音翻译方法、装置

引用

作者：孟庆梁 100102 北京市朝阳区创远路34号院6号楼11层1101室

本发明公开了一种多语种语音翻译模型构建方法及语音翻译方法、装置，具体涉及语音翻译技术领域，该方法包括：生成样本数据；样本数据包括多语种音频数据、多语种文本数据以及目标文本数据；基于预设质量评价标准对样本数据进行筛选，... 详细信息

标准号: CN116450771A

本发明公开了一种多语种语音翻译模型构建方法及语音翻译方法、装置，具体涉及语音翻译技术领域，该方法包括：生成样本数据；样本数据包括多语种音频数据、多语种文本数据以及目标文本数据；基于预设质量评价标准对样本数据进行筛选，得到训练数据；采用训练数据对预设编码‑解码模型进行训练，得到多语种语音翻译模型。本发明克服了车载操作指令集语言单一及车载语音翻译领域低数据源的问题，可以让使用者多语言唤醒操作车载系统，采用伪标签方案训练语音翻译系统，克服了伪标签数据带来的误差，使得模型训练成功，并且得到好的训练结果。

关键词：语音翻译多语种样本数据训练数据预设目标文本数据质量评价标准标签数据操作指令车载系统翻译系统解码模型模型构建模型训练文本数据训练结果训练语音音频数据多语言数据源标签唤醒筛选语言成功

来源：评论

学校读者我要写书评

暂无评论

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案：

请选择收藏分类：

通借通还

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：