2023年全國碩士研究生考試考研英語一試題真題(含答案詳解+作文范文)_第1頁
已閱讀1頁,還剩63頁未讀, 繼續(xù)免費(fèi)閱讀

下載本文檔

版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)

文檔簡介

1、認(rèn)知神經(jīng)科學(xué)的研究是為了揭示大腦的認(rèn)知原理,而通過功能磁共振成像技術(shù)可以比較直觀的觀測(cè)出大腦在受到外界刺激時(shí)腦功能的變化。機(jī)器學(xué)習(xí)方法能夠從腦活動(dòng)記錄的圖像數(shù)據(jù)中提取大腦完成特定任務(wù)的有效信息,為探索大腦的奧秘奠定基礎(chǔ)。
  大腦核磁共振數(shù)據(jù)本質(zhì)上是四維的張量數(shù)據(jù),傳統(tǒng)的算法在處理之前都是先將其展開為一維的向量數(shù)據(jù),這樣不僅破壞了數(shù)據(jù)的內(nèi)在結(jié)構(gòu)與潛在信息,而且也給后續(xù)的研究帶來了麻煩。為了克服向量化數(shù)據(jù)所帶來的缺點(diǎn),本文提出了一種

2、新的基于張量模式的稀疏非負(fù)張量分解(Sparse Nonnegative Tensor Factorization,SNTF)算法用以分析和處理核磁共振圖像,同時(shí)結(jié)合支持向量機(jī)(Support Vector Machine)的特點(diǎn),完成對(duì)大腦特定視覺的認(rèn)知狀態(tài)的判定。SNTF是一種大規(guī)模張量低秩近似表示技術(shù),能從大規(guī)模、復(fù)雜的數(shù)據(jù)(如 fMRI數(shù)據(jù))中尋求數(shù)據(jù)的潛在特征信息,同時(shí)l1范數(shù)正則化和非負(fù)性的約束使得它分解的特征矩陣和結(jié)果張量

3、的數(shù)值都是稀疏、非負(fù)的。這不僅提高了運(yùn)算效率,減少了運(yùn)算量,且數(shù)據(jù)符合真實(shí)的物理屬性(可解釋性強(qiáng)、局部特征明顯等),模型符合人們對(duì)于客觀世界的認(rèn)識(shí)規(guī)律。
  本文采用基于稀疏非負(fù)張量模式的機(jī)器學(xué)習(xí)方法,先對(duì)大腦核磁數(shù)據(jù)進(jìn)行分析處理,把 fMRI預(yù)處理后的認(rèn)知數(shù)據(jù)當(dāng)成一個(gè)大張量,從張量的層面上構(gòu)建高階非負(fù)張量模型,然后對(duì) fMRI認(rèn)知數(shù)據(jù)每個(gè)維度上進(jìn)行特征降維,從而得到維度較小的稀疏、非負(fù)的特征張量,最后結(jié)合支持向量機(jī)的特點(diǎn),有效地

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請(qǐng)下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請(qǐng)聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會(huì)有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲(chǔ)空間,僅對(duì)用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對(duì)用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對(duì)任何下載內(nèi)容負(fù)責(zé)。
  • 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請(qǐng)與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對(duì)自己和他人造成任何形式的傷害或損失。

最新文檔

評(píng)論

0/150

提交評(píng)論