Jul, 2022

基于 SPD 流形的生理和行为信号融合及其在压力和疼痛检测中的应用

PDF
TL;DR本文提出了一种新的几何框架，利用对称正定（SPD）矩阵作为表示，从协方差和交叉协方差中结合生理和行为信号的相关关系，用于多模态压力 / 疼痛探测中。采用切空间映射方法将推导出的 SPD 矩阵序列映射到切向空间中的向量序列，然后应用于 LSTM-based 网络进行分类，该框架已在两个公共多模式数据集上获得了最先进的压力和疼痛检测结果。
multimodal stress/pain detectionsymmetric positive definite matricesphysiological and behavioural signalstangent space mapping methodlstm-based network
发现论文，激发创造
  • Riemannian 自我注意力机制用于 SPD 网络

    该论文提出了一种基于 Riemann 度量、Riemann 均值和 Riemann 优化的 SPD 流形自注意机制，用于改善所生成的深度结构表示的区分度，实验结果表明，该方法进一步减轻了信息退化问题并提高了准确性。

    Nov, 2023

  • 基于 SPD 流形的几何感知相似度学习在视觉识别中的应用

    本文提出了一种利用黎曼几何学习固定秩半正定矩阵流形的几何感知 SPD 相似性学习框架，通过在 PSD 流形中优化来学习具有判别性的 SPD 特征，优于现有的基于 SPD 的判别学习方法。

    Aug, 2016

  • 基于里斯曼流形中 SPD 矩阵的量子经典混合模型在结构健康监测中的应用

    本研究提出了一种利用对称正定矩阵和黎曼流形的混合量子经典多层感知机模型的新型方法，通过实时有限元建模为桥梁的结构健康监测系统提供全面的洞察力，以确保桥梁的安全运行和防止突发灾难性故障。

    Jun, 2024

  • 从流形到流形：用于 SPD 矩阵的几何感知降维

    使用正定对称 (SPD) 矩阵表示图像和视频，并考虑到所得空间的里曼尼几何，已被证明在许多识别任务中有益。本文引入了一种方法来构建一个更具判别力的低维 SPD 流形以处理高维 SPD 矩阵，并将学习表述为 Grassmann 流形上的优化问题。实验表明，与现有技术相比，我们的方法可使分类准确性显著提高。

    Jul, 2014

  • SPD 流形上的降维： 几何感知方法的出现

    本篇论文介绍了如何通过构造一个低维对称正定矩阵流形来解决高度计算成本的难题，并进一步提出了一种处理高维对称正定矩阵的算法，以此来实现降维，最后在多个分类任务中验证了该方法的有效性。

    May, 2016

  • 基于 SPD 流形学习的神经网络用于基于骨架的手势识别

    该研究提出了一种基于 SPD 流形学习的神经网络，用于骨架手势识别，并在两个具有挑战性的数据集上实现最先进的准确性。

    Apr, 2019

  • 对称正定矩阵黎曼流形上的核方法

    该文提出了一种针对 Riemann 流形的 SPD 矩阵进行高维映射的方法，使用一组可证明的正定核函数来扩展基于核方法的算法，进而在人行检测、物体分类、纹理分析、2D 运动分割以及扩散张量成像分割等问题上取得了良好的效果。

    Dec, 2014

  • 一种具有多模态中间融合网络和流形学习的应对压力检测方法

    通过多模态深度学习方法和流形学习的降维技术，本文提出了一种中间多模态融合网络，成功地在处理和分析数据时降低了计算复杂度，并在准确性方面优于其他网络。

    Mar, 2024

  • 一种用于 SPD 矩阵学习的黎曼网络

    本文介绍了一种基于 Riemannian 网络架构的 SPD 矩阵非线性学习方法，使用双线性映射层、特征值矫正层和特征值对数层，使用基于 Stiefel 流形的变体随机梯度下降法来训练此深度网络。实验证明，该网络简单易用，并在三个典型的视觉分类任务中优于现有的 SPD 矩阵学习和现有最先进的方法。

    Aug, 2016

  • SPD 流形网络的神经架构搜索

    本文提出了一种新的神经架构搜索问题 —— 对对称正定（SPD）流形网络的自动设计，介绍了一个几何丰富且多样化的 SPD 神经架构搜索空间及其搜索算法，统计评估结果表明该算法在无人机、行动和情感识别任务方面的表现优于现有的网络及传统算法，并且提供的模型比现有算法搜索的模型轻三倍以上。

    Oct, 2020