联系我们咨询服务：15812469196，020-22926644
客服 Q Q：654985325 1428473889
联系邮箱：654985325@qq.com
联 系 人：邵编辑
工作时间：9:00—24:00
推荐文章临床论文
您当前的位置：首页 - 临床论文-
基于深度自动编码器的脑网络状态观测矩阵降维方法
-
【摘要】：针对人脑网络状态观测矩阵高维无特征的特点,给出了一种基于深度自动编码器(DAE)的降维算法。利用深度学习网络,将高维的人脑网络空间表达映射到低维的本质特征空间中,为进一步提炼脑网络的动态性能提供了基础。实验结果证明:应用该方法可以达到有效的降维效果,且降维后脑网络状态通过自组织特征映射聚类具有一定的规律性,从而为脑网络的动态特性研究提供了基础。【关键词】： 脑功能网络 深度自动编码器 降维 自组织特征映射 无监督聚类【分类号】：R338;TP181【正文快照】：0引言基于血氧水平依赖(blood oxygenation level dependent,BOLD)的静息态功能磁共振成像(functional magnetic reso-nance imaging,f MRI)由于具有较高的时间和空间分辨率,为深入研究人脑功能特性提供了一种重要手段[1],而基于它的脑网络重构技术也成为了研究人脑特性的有力【相似文献】1 梁湘群;基于Gabor特征与深度自动编码器的笑脸识别方法[D];五邑大学;2015年2 吴海燕;基于自动编码器的半监督表示学习与分类学习研究[D];重庆大学;2015年3 林雨;极限学习机与自动编码器的融合算法研究[D];吉林大学;2016年4 雒玉玺;稀疏自动编码器及其加速算法的研究[D];兰州大学;2014年
