杂志简介
计算智能与神经科学是神经计算、神经工程和人工智能跨学科领域的论坛。该杂志的重点是计算神经科学的智能系统。
编辑焦点
主编,Cichocki教授,在人工智能和先进数据分析技术的生物医学应用领域从事世界领先的研究。
特殊的问题
最新文章
更多的文章关于z形传递函数的二进制粒子群优化算法
粒子群优化算法(PSO)是一种基于种群的群体智能搜索算法,模拟了鸟类、蜜蜂或鱼类群体的社会行为。离散二进制粒子群优化算法(BPSO)通过一个新的传递函数将连续搜索空间映射到二进制空间,更新过程设计为在二进制搜索空间0 - 1之间切换粒子的位置。针对现有的BPSO算法容易陷入局部最优的问题,提出了一种新的z形概率传递函数,将连续搜索空间映射到二值空间。采用9个典型的基准函数,采用本文提出的z概率传递函数以及v形和s形传递函数进行性能仿真实验。结果表明,提出的z形概率传递函数提高了BPSO算法的收敛速度和优化精度。
两种语言使用者大脑图像分类的机器学习
利用机器学习对大脑进行图像分析,继续成为检测这个复杂器官不同特征的相关工作。最近的研究发现,在学习和使用第二语言时,大脑的结构,特别是白质存在差异。这项工作的重点是通过核磁共振成像(mri)分类来了解以英语为共同语言的双语和单语人群的大脑。对某一隐含层的不同人工神经网络进行测试,直到达到该层的两个神经元。使用的条目数为900,分类器注册的有效性很高。培训是在监督下进行的,在今后的调查中可以加以改进。这个任务通常是由一个专家人员进行基于轨迹的空间统计分析和在屏幕上以不同颜色表示的各向异性。因此,这个提议提供了另一种定量分析这类现象的选择,通过使用核磁共振机器学习来自动检测双语者和单语者,从而有助于神经科学。这加强了人工检测和机器检测的方法。
sMRI、CSF、认知评分和APOEε极端学习机分类AD和MCI的4个生物标记物
阿尔茨海默病(AD)是痴呆最常见的病因,是一种进行性神经退行性疾病,特征是认知功能下降。症状通常逐渐出现,并随着时间恶化,严重到足以干扰个人的日常任务。因此,AD的准确诊断和前驱期(即AD)的准确诊断是非常必要的。轻度认知障碍(MCI)是及时治疗的关键。由于广告本身是动态的,广告指标之间的关系是不清楚的,而且会随着时间而变化。为了解决这个问题,我们首先着眼于调查AD和MCI患者与健康对照(HCs)之间萎缩模式的差异。然后我们使用多个生物标记,以及基于过滤器和包装的特征选择和基于极端学习机(ELM)的方法,对分类进行10次交叉验证。越来越多的努力集中在对AD和MCI的诊断有用的多种生物标志物的使用上。然而,最佳组合尚未确定,大多数多模态分析仅使用从磁共振成像(MRI)获得的体积测量。到目前为止,解剖结构MRI (sMRI)也大多单独使用。因此,利用解剖MRI检测AD的全部可能性还有待探索。 In this study, three measures (cortical thickness, surface area, and gray matter volume), obtained from sMRI through preprocessing for brain atrophy measurements; cerebrospinal fluid (CSF), for quantification of specific proteins; cognitive score, as a measure of cognitive performance; andAPOEε利用4个等位基因状态。我们的结果显示,结合特定的生物标志物的效果很好,使用本文提出的算法对AD和HC的分类准确率分别为97.31%、91.72%、87.91%和83.38%。同时,结合多种生物标志物的ROC曲线下面积(AUC)具有更好的分类效果。本文提出的特征组合与选择算法有效地对AD和MCI进行了分类,MCIs与MCIc是目前最具挑战性的分类任务,可以提高临床中AD分类的准确性。此外,我们利用阿兹海默病神经影像计划(ADNI)数据集的交叉验证方法,比较了所提方法与支持向量机分类器的性能。
电影评论摘要的监督学习和基于图的排序算法
随着网络信息的不断增长,网络影评正成为网民重要的信息资源。然而,网络用户每天发布成千上万的影评,很难手工总结。摘要电影影评的挖掘与总结是自然语言处理中具有挑战性的任务之一。因此,需要一种自动的方法来总结冗长的电影评论,它将允许用户快速识别电影的积极和消极方面。本研究采用一种特征提取技术,即单词包(BoW),从影评中提取特征,并将影评表示为向量空间模型或特征向量。下一阶段使用朴素贝叶斯机器学习算法将影评(以特征向量表示)分为正和负。然后,根据分类复习句之间的语义相似性构造无向加权图,图节点表示复习句,图的边表示语义相似权值。采用基于图的加权排序算法(WGRA)计算图中每个复习句子的排序得分。最后,根据排名最高的分数选择排名最高的句子(图节点),生成提取摘要。实验结果表明,该方法优于其他先进的方法。
一种基于排的自适应信号控制方法
城市交通信号控制的一个重要目标是减少个人延误和提高旅客在私家车和公共汽车运输的安全性。为了从所有用户的角度实现信号控制优化,本文提出了一种基于队列的自适应信号控制(PASC)策略,提供基于在线连接车辆(CV)信息的多模态信号控制。通过引入统一的相位优先约束,PASC策略不受固定周期长度和偏移量的限制。摘要提出了一种混合整数线性规划(MILP)模型,以停车线的排到达和放电动力学为约束条件,实时优化信号时序。目标函数以个体乘客占用率为基础,以最小化公共汽车和汽车的总个人延误为目标。通过信号间的沟通,PASC实现了信号动脉的隐性协调。VISSIM微仿真的仿真结果表明,与采用同步机优化的信号时序相比,PASC模型成功地减少了40%左右的公交乘客延误和10%左右的汽车延误。灵敏度分析结果表明,模型性能对公交乘客数量波动不敏感,实现CV渗透率要求在20%左右。
基于社交媒体挖掘的智能模糊规则个性化新闻推荐
推荐相关的和合适的新闻文章是一个必要的但具有挑战性的任务,因为随着时间的推移,用户的兴趣类别会发生变化。此外,互联网技术提供了丰富的新闻文章资源,数量巨大。与此同时,如今很多人在面对通过社交媒体免费传播的病毒式新闻文章时,并不考虑新闻网站。因此,挖掘社交媒体来解决这类病毒式新闻文章已经成为另一个关键挑战。为了克服上述挑战,本文提出了模糊逻辑方法,通过分析用户隐含的用户信息,预测用户的兴趣及其类别。根据用户的兴趣类别,通过挖掘社交媒体feed——facebook和Twitter——来确定和分析病毒性新闻文章及其类别。此外,从新闻源中检索新鲜的新闻文章,并结合检索到的病毒式新闻文章,针对用户多样化的兴趣提供推荐。该方法预测用户对所有类别的整体兴趣达到84.238%,对News feed、Facebook和Twitter的推荐准确率分别达到100%、90%和100%。