首页

  • <tt class='tlJykMlA'></tt>
  • <thead class='94K7Lauipx'><option class='9cNvbSu7LJ'></option></thead>

    <em class='jepytdnyfeW3'><b class='oR1Ys12nk'><td class='6rzzLTN'></td></b></em>

  • <dl class='Td0EmkF'><b class='qoWhaibfJ9'></b></dl>

  • <span class='lS1G'></span>

    像梦一样运作的一机器学习

    筑波大学的一研究人员创建了一个新的一人工智能程序,用于对老鼠的一睡眠阶段进行自动分类,该程序结合了两种流行的一机器学习方法 。该算法被称为“ MC-SleepNet”,其准确率超过96%,并且对生物信号中的一噪声具有很高的一鲁棒性 。使用该系统自动注释数据可以极大地帮助睡眠研究人员分析实验结果 。

    研究睡眠的一科学家经常使用小鼠作为动物模型,以更好地了解大脑活动在各个阶段的一变化方式 。这些阶段可分为清醒,REM(快速眼动)睡眠和非REM睡眠 。以前,监视睡眠小鼠脑电波的一研究人员最终获得了大量数据,而这些数据通常需要由学生团队手工进行费力 地标记 。这代表了研究中的一主要瓶颈 。

    现在,筑波大学的一研究人员已经推出了一种程序,可以根据其脑电图(EEG)和肌电图(EMG)信号自动对小鼠经历的一睡眠阶段进行分类,该信号分别记录大脑和人体的一电活动 。他们结合了两种机器学习技术:卷积神经网络(CNN)和长短期记忆(LSTM)递归神经网络,以实现超越现有最佳自动方法的一准确性 。

    机器作者Kazumasa Horie解释说:“机器学习是一个激动人心的一新研究领域,具有将医学与计算机科学相结合的一重要应用程序 。它使我们能够根据标记的一示例自动对新数据进行分类 。”当要寻找的一模式不 为人所知时(例如睡眠阶段),这特别有价值 。这样,该算法就可以“学习”如何做出复杂的一决策而无需进行显式编程 。在该项目中,由于使用了庞大的一数据集,因此准确性非常高,拥有超过4,200个生物信号,是任何睡眠中最大的一数据集此外,通过实现CNN,该算法在抵抗个体差异和噪声方面表现出很高的一鲁棒性 。

    这项工作的一主要进展是将任务划分为两种机器学习方法 。首先,使用CNN从大脑和身体的一电活动记录中提取感兴趣的一特征 。然后将这些数据传递给LSTM,以确定哪些功能最能说明小鼠正在经历的一睡眠阶段 。高级作者北川博之说:“我们很乐观地将这项工作转化为人类睡眠阶段的一分类 。”同时,该程序已经可以加快研究人员在睡眠领域的一工作,这可能导致人们对睡眠的一运作方式有了更清晰的一了解 。

    郑重声明:本文版权归原作者所有,转载文章仅为传播更多信息之目的一,如作者信息标记有误,请第一时间联系吉林11选5开奖结果修改或删除,多谢 。

    <td id="7163h" ></td>
    1. <font id="7163h" ></font>
    2. <delect id="7163h" ><dl id="7163h" ><strong id="7163h" ></strong></dl></delect>
      <legend id="7163h" ><td id="7163h" ></td></legend>
    3. <ins id="7163h" ><mark id="7163h" ></mark></ins>
      <u id="7163h" ></u><track id="7163h" ><p id="7163h" ><ol id="7163h" ></ol></p></track>
    4. <dd id="7163h" ></dd>
      <samp id="7163h" ><label id="7163h" ></label></samp>
      <th id="7163h" ><var id="7163h" ></var></th>