《表2 传统机器学习方法与本文方法分类准确率对比》
提示:宽带有限、当前游客访问压缩模式
本系列图表出处文件名:随高清版一同展现
《脑电时空多特征融合的数字图形界面认知负荷评价方法》
尽管本文方法在CL分类上已经具有较高的分类准确率,但仍具有局限性.首先,本文在提取时域信息时将整段的EEG信号作为输入,计算复杂度较高,不太适用于处理时间序列较长的海量样本;其次,在时间序列数据处理相关领域,用于处理与上下文相关时间序列的模型也在迭代增强,如Transformer模型突破了RNN这类循环模型不能并行计算的限制,且采用自注意力机制可以产生更具可解释性的模型;最后,本文对于注意力机制带来的好处没有给出一个说服力的解释.今后将考虑把Transformer模型用于EEG时间序列的分析,并通过可视化分析阐述注意力机制产生的作用.
图表编号 | XD00163087500 严禁用于非法目的 |
---|---|
绘制时间 | 2020.07.01 |
作者 | 郑瑞凌、张俊松 |
绘制单位 | 厦门大学信息学院人工智能系艺术认知与计算实验室、厦门大学信息学院人工智能系艺术认知与计算实验室 |
更多格式 | 高清、无水印(增值服务) |