Indexed by：
Abstract：
一种基于自动变分自编码器的脑效应连接网络学习方法，属于深度学习算法领域。首先对模型进行参数初始化，然后利用自动变分自编码器的编码网络从各脑区的fMRI数据中学习潜变量，并通过解码网络从潜变量中获得生成的fMRI数据。最后，当生成的fMRI数据和真实的fMRI数据高度相似时，模型在迭代训练的过程中可以学习到一个最优的脑效应连接网络。本发明利用融合了比例‑积分控制器的变分自编码器自适应地调节模型的参数，在端到端的训练过程中自动、准确地学习了人脑的效应连接网络。因此，本发明具有参数少、准确性高，泛化能力强等优势，可以有效地缓解现有的脑效应连接网络深度学习方法中人工调参困难的问题。
Keyword：
Reprint Author's Address：
Email：
Patent Info ：
Type： 发明申请
Patent No.： CN202111356966.5
Filing Date： 2021-11-16
Publication Date： 2024-04-26
Pub. No.： CN114219069B
Applicants： 北京工业大学
Legal Status： 授权
Cited Count：
WoS CC Cited Count： 0
SCOPUS Cited Count：
ESI Highly Cited Papers on the List： 0 Unfold All
WanFang Cited Count：
Chinese Cited Count：
30 Days PV： 15
Affiliated Colleges：
