微信里点“发现”，扫一下
二维码便可将本文分享至朋友圈
演讲摘要：本报告面向类脑计算技术在工业中的应用需要，基于面向功能性近红外光谱技术 fNIRS 和脑电波 EEG 两种典型的脑成像信号，从脑成像信号自适应预处理、深度特征提取、脑图网络的构建与学习三个角度分享一下我们团队最近的工作： 1）提出了以线性映射场为代表的四种图像生成算法，用于对 fNIRS 信号进行特征提取； 2）提出了一种基于 EEG 的多模态、多尺度神经网络模型 TSFNN。该模型同时考虑了脑电信号时间、空间、节律三种模态特征，并利用多尺度卷积的思想进行特征提取； 3）提出了基于 EEG 的多模态脑图神经网络型。该模型在保留 TSFNN 模型有效的多节律并行计算、多尺度时域卷积的基础上，构建动态的脑图网络提取脑电信号的空间特征。
讲者简介：吴奇，国家杰出青年基金获得者，教授，上海交通大学。主要研究方向类脑计算、航空人机对抗和深海密封空间长航时人因优化。主持国防重大专项、型号任务、杰青、叶企孙重点等项目。任 IEEE Transactions on Neural Networks and Learning Systems、IEEE Transactions on Systems, Man, and Cybernetics: Systems 等 6 个 Trans 编委。
CCF第39届中国计算机应用大会
智能互联时代下智能制造的融合方法及前沿技术
京公网安备11010802032778号