文档名：基于动态网络的文本敏感信息感知脑响应检测模型
摘要：针对文本敏感信息感知过程复杂和个体差异大造成敏感信息感知脑响应潜伏期不确定性的问题,提出了一种基于动态卷积神经网络的脑响应检测模型——DyCNN_CBAM.该模型通过增加的动态卷积模块,让每层的卷积参数在训练的时候随着输入可变,可提升模型的尺寸与容量.然后在模型第一、二层后增加的注意力机制模块,自动计算贡献度较高的时空信息.实验结果表明:该模型比现有的单尺度模型平均分类准确率提高了4％,F1分数提高6.7％,同时比现有多尺度网络平均分类准确率提高了2％,F1分数提高1.2％.此外,在公开数据集上取得最好的F1分数.由此说明,该网络更够适应文本敏感信息感知脑信号潜伏期抖动性,有效地提升了文本敏感信息检测模型的稳定性.
Abstract：Aimingattheunceraintyofbrainresponselatencycausedbycomplexityoftextsensitiveinformationperceptionprocessandindividualdifferences,abrainresponsedetectionmodel,basedondynamicconvolutionneuralnetworkwithconvolutionalblockattentionmodule(DyCNN_CBAM)isproposed.Byaddingdynamicconvolutionmoduleinthemodel,theconvolutionparametersofeachlayercanbechangedwiththeinputduringtraining,whichcanimprovethesizeandcapacityofthemodel.Then,theattentionmechanismmoduleisaddedafterthefirstandsecondlayersofthemodeltoautomaticallycalculatethetime-spaceinformationwithhighcontribution.Experimentalresultsshowthatthemodelimprovestheaverageclassificationaccuracyby4％,andtheF1scoreby6.7％,comparedwiththeexistingsingle-scalemodel;andimprovestheaverageclassificationaccuracyby2％andtheF1scoreby1.2％,comparedwiththeexistingmulti-scalenetworkwithsimplifiednetworkstructure.Inaddition,thebestF1scoreisobtainedonthepublicdataset.Itshowsthatthenetworkismoresuitableforthelatencyjitterofbrainsignalsensingbysensitivetextinformation,andeffectivelyimprovesthestabilityofsensitivetextinformationdetectingmodel.
作者：李慧敏 曾颖 童莉 鲁润南 闫镔 Author：LIHuimin ZENGYing TONGLi LURunnan YANBin
作者单位：郑州大学网络空间安全学院,河南郑州450001;战略支援部队信息工程大学信息系统工程学院,河南郑州450001战略支援部队信息工程大学信息系统工程学院,河南郑州450001
刊名：传感器与微系统
Journal：TransducerandMicrosystemTechnologies
年，卷(期)：2024, 43(4)
分类号：TP391TH79
关键词：文本敏感信息 脑电信号 目标检测 动态卷积神经网络 注意力机制
Keywords：sensitivetextinformation electroencephalography(EEG)signal targetdetection dynamicconvolutionalneuralnetwork(DyCNN) attentionmechanism
机标分类号：TP393.08F204TP181
在线出版日期：2024年4月26日
基金项目：基于动态网络的文本敏感信息感知脑响应检测模型[
期刊论文] 传感器与微系统--2024, 43(4)李慧敏 曾颖 童莉 鲁润南 闫镔针对文本敏感信息感知过程复杂和个体差异大造成敏感信息感知脑响应潜伏期不确定性的问题,提出了一种基于动态卷积神经网络的脑响应检测模型——DyCNN_CBAM.该模型通过增加的动态卷积模块,让每层的卷积参数在训练的时候随...参考文献和引证文献
参考文献
引证文献
本文读者也读过
相似文献
相关博文
基于动态网络的文本敏感信息感知脑响应检测模型 Sensitive text information sensing brain response detection model based on dynamic network
基于动态网络的文本敏感信息感知脑响应检测模型.pdf
- 文件大小:
- 3.55 MB
- 下载次数:
- 60
-
高速下载
|
|
