【技术实现步骤摘要】
本专利技术涉及深度学习，尤其涉及一种基于多目标优化和群卷积网络融合的认知负荷解析方法。
技术介绍
1、认知负荷理论最早由澳大利亚新南威尔士大学教授约翰·斯威勒(johnsweller)于1988年，在miller等人早期研究的基础上提出。它阐述了人类的认知结构且对认知负荷的概念进行了定义。自提出以后，随着研究的不断进展，认知负荷理论得到进一步的完善，并在教育心理学等研究中产生广泛的影响。随着自动化技术的不断发展，人机交互系统作业环境不断复杂化，对人机交互的协调能力要求越来越高。通过检测，对人的认知负荷进行评估，作为反馈信号合理的调节人机系统的任务需求，对提高系统的工作效率有着重要意义。
2、早期的认知负荷评估以主观评估方法为主，多使用问卷调查的方式。虽然操作简单，但得到的结果大多存在一定延时，且操作者主观意愿较强，评估准确率有待商榷。随着生物医学采集装置的不断改进，脑电(electroencephalogram，eeg)、心电、皮肤电等信号可以通过可穿戴设备进行检测与采集，具有实时、难以隐藏的优势，可以有效克服主观评估方法。...
【技术保护点】
1.一种基于多目标优化和群卷积网络融合的认知负荷解析方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种基于多目标优化和群卷积网络融合的认知负荷解析方法，其特征在于，所述步骤1包括以下步骤：
3.根据权利要求1所述的一种基于多目标优化和群卷积网络融合的认知负荷解析方法，其特征在于，所述步骤2具体包括以下步骤：
4.根据权利要求1所述的一种基于多目标优化和群卷积网络融合的认知负荷解析方法，其特征在于，所述步骤3具体为，综合考虑输入数据在时间、空间、频率三个维度的特性，使用GCNN提取数据的空间与频率的特征，使用GRU模型学习...
【技术特征摘要】
1.一种基于多目标优化和群卷积网络融合的认知负荷解析方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种基于多目标优化和群卷积网络融合的认知负荷解析方法，其特征在于，所述步骤1包括以下步骤：
3.根据权利要求1所述的一种基于多目标优化和群卷积网络融合的认知负荷解析方法，其特征在于，所述步骤2具体包括以下步骤：
4.根据权利要求1所述的一种基于多目标优化和群卷积网络融合的认知负荷解析方法，其特征在于，所述步骤3具体为，综合考虑输入数据在时间、空间、频率三个维度的特性，使用gcnn提取数据的空间与频率的特征，使用gru模型学习数据的时间表示特征，将两个特征进行特征融合，得到双路网络结构，即gcnn-gru网络架构以实现认知负荷的综合评估。
5.根据权利要求4所述的一种基于多目标优化和群卷积网络融合的认知负荷解析方法，其特征在于，所述提取数据的空间与频率的特征具体为，保留数据的频域与空间信息，取各时间图窗的均值，输入至群等变卷积神经网络gcnn；在群等变卷积神经网络gcnn，群卷积层均采用3×3大...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。