基于脑电通道增强的情绪识别方法

随着人工智能与深度学习的发展,基于深度学习的多通道脑电信号的情绪识别研究逐渐受到关注,但多通道脑电情绪识别信号复杂且各通道重要性一致,并不能高效且有针对性地进行脑电情绪识别。为此,该文提出一种基于缩放卷积层和脑电通道增强模块的情绪识别方法,能直接在脑电物理通道上进行增强学习。首先,通过缩放卷积层提取多通道脑电情绪信号的类时频特征;然后,通过脑电通道增强模块对所有脑电物理通道重新赋予不同的重要性;最后,利用卷积神经网络对情绪进行分类。该方法能够融合多通道脑电信号的时间和频率信息,同时,通过输出各脑电通道的重要性,探究不同情绪维度与脑电通道之间的关系。在DEAP数据集上进行了实验验证,不同脑电通道对情绪识别任务的重要性存在差异,其中,额叶区和枕叶区的C4、 P4、 P3、 PO4、 F7 5个脑电通道重要性相对较高,该情绪识别方法在愉悦度、唤醒度和支配度3个情绪维度上的识别准确率也均有提升。     

浅谈如何减少煤矿机电事故

主要探讨煤矿机电事故的原因,提出减少煤矿机电事故的措施。     

基于有限元的某型坦克炮身管模态分析

现代坦克炮往往通过增大膛压和加长身管来提高弹丸的初速和火炮的威力,但这些措施也使得坦克炮身管动力学性态发生变化,使其射击密集度超出可控的范围。因此,掌握坦克炮身管的振动特性并使其固有振动频率合理分布是坦克炮发射动力学研究的重要内容之一。本文在分析坦克炮身管振动对射击密集度的影响的基础上,建立了某型坦克炮身管的有限元分析模型,通过仿真计算得到了振动模态参数,验证了身管设计的合理性,为坦克炮身管的动力响应分析和进一步的结构优化设计提供理论参考依据。     

反坦克弹药对装甲毁伤能力的比较分析

随着坦克装甲厚度的不断增加和各种主、被动反应装甲的广泛应用.现代坦克的防护能力得到极大提高.与此同时,反坦克弹药也在不断发展变化,种类不断增加,性能不断提高.为了对坦克目标实现最大的打击,利用理论计算、简单建模和实验数据搜集等方法,对主要反坦克弹药--穿甲弹、破甲弹和榴弹对坦克的毁伤进行了对比分析.通过首发命中率、射击密集度等主要指标和坦克目标装甲毁伤程度的对比,得出在坦克上应增加穿甲弹和榴弹,减少破甲弹的结论,为坦克弹药的优化奠定了基础,同时为装甲装备的数字化创造了条件.     

关于军队院校做好装备科研工作的几点思考

从事装备科研是军队院校的基本职能和建设发展的重要手段,是部队战斗力生成的重要途径,是领导机关决策咨询的重要保障.文章分析了军队院校从事装备科研工作的特点优势,并从发展牵引、统筹规划、开放联合、科学管理、基础研究五个方面提出了对策和建议.     

基于简化控制点的不规则军标地形匹配方法

针对三维不规则军标与三维地形的匹配问题,对于不规则军标,提出一种基于简化的控制点的地形匹配方法,可以既满足实时绘制的要求,同时又达到绘制效果逼真,较大地提高绘制的速度和效率,该算法通过对标绘中获取的高程曲线进行控制点求解、简化,并和地形数据进行交互平滑等计算处理,生成的曲线更加光滑、合理,通过实验分析验证了该算法的可行性,该算法可以在保证较好的匹配效果同时实现更快速的匹配速度。     

面向情绪识别中脑电特征分布不均匀的双策略训练方法

使用脑电进行情绪识别已经有了广泛的研究，但由于脑电的低信噪比、不平稳性以及受试者情绪表达方式的不同，不同受试者甚至单个受试者的脑电图情绪特征都会存在差异性，导致脑电样本在特征空间分布不均匀，容易出现模型泛化性能差的问题。为解决这一问题，该文提出了一种结合提升算法(boost)和梯度下降法(gradient descent)的双策略训练方法交替更新脑电情绪识别模型，梯度下降法在模型推理过程中更新网络参数，使损失最小化，提升算法用于更新脑电样本权重。在DEAP数据集上的实验结果表明，该方法在效价、唤醒和优势度3个维度上的准确率分别为71.25%、71.48%和71.80%,且在跨被试数据集下通过数据驱动的方式有效调整了脑电样本特征的分布，使其分布更均匀，从而提高了情绪识别模型的泛化性能。