[發明專利]一種動態注意力網絡非負矩陣分解的抑郁癥篩選方法有效
| 申請號： | 202011264495.0 | 申請日： | 2020-11-12 |
| 公開（公告）號： | CN112259228B | 公開（公告）日： | 2023-06-02 |
| 發明（設計）人： | 柯亨進;劉志遠;紀鵬;劉天印;馬紅櫻 | 申請（專利權）人： | 湖北理工學院 |
| 主分類號： | G16H50/20 | 分類號： | G16H50/20;G06N3/0455;G06N3/0464;G06N3/084;G06F18/241;G06F17/15;G06F17/16 |
| 代理公司： | 北京中創博騰知識產權代理事務所(普通合伙) 11636 | 代理人： | 李梅 |
| 地址： | 435003 *** | 國省代碼： | 湖北;42 |
| 權利要求書： | 查看更多 | 說明書： | 查看更多 |
| 摘要： | |||
| 搜索關鍵詞： | 一種 動態 注意力 網絡 矩陣 分解 抑郁癥 篩選 方法 | ||
1.一種動態注意力網絡非負矩陣分解的抑郁癥篩選方法，其特征在于，包括如下步驟：
步驟1：對于截取的時間窗口內的所有通道神經數據，對于要處理的兩兩通道，分別取得相應通道的神經數據，記為X和Y，然后計算X和Y之間的最大信息系數；
步驟2：根據自編碼器網絡，構造步驟1中相關矩陣的非線性注意力；
步驟3：根據步驟2，設計基于注意力的非負矩陣分解算法，對步驟1中所有時間窗口的相關矩陣CMMIC進行基于注意力的非負矩陣分解，得到分解后的因子矩陣W和H；
步驟4：設計層次卷積神經網絡，對步驟3所得到的分解因子矩陣進行分類；
所述步驟1的計算方法如下：
給定一個有限數據集D以及雙變量有序對X,Y,在x-y平面將x與y分別劃分成若干個小網格，即x×y網格G(b1,b2,...,bm)，然后根據不同的劃分求取相應的互信息I(D/G)，對于所有的劃分，計算最大的互信息，公式如下：
I*(D，G(b1，b2，...，bm))＝maxI(D/G)
計算所有劃分下的特征矩陣，公式如下：
計算雙變量X與Y之間的最大信息系數，公式如下：
其中,x,yB(n)表示網格G的劃分維度界限，n＝0.6；
所述步驟2中自編碼器為一種無監督的學習算法，由編碼器和解碼器構成，編碼器將一個不定長的輸入序列X轉化成一個定長的向量C，解碼器旨在利用編碼器的輸出復原成一個與輸入序列相同的向量R；
所述步驟3中首先利用原始信號V與基于注意力D的復原矩陣之間的相對殘差，公式如下：
其中，D和DT分別表示作用于矩陣W和H的注意力矩陣，也是上一節中自編碼器中編碼器的輸出向量重塑而出的矩陣，表示Hadamard?product，也即元素對應相乘，由于全腦同步相關矩陣CMMIC是對稱方陣，因此，D與W的維數相同，DT與H的維數相同，假設噪聲服從高斯分布，最大似然函數為：
。
該專利技術資料僅供研究查看技術是否侵權等信息，商用須獲得專利權人授權。該專利全部權利屬于湖北理工學院，未經湖北理工學院許可，擅自商用是侵權行為。如果您想購買此專利、獲得商業授權和技術合作，請聯系【客服】
本文鏈接：http://www.szxzyx.cn/pat/books/202011264495.0/1.html，轉載請聲明來源鉆瓜專利網。
