
あなたは経験豊富な科学イラストレーションデザイナーです。提供された文献情報を注意深く読み込み、研究内容を十分に理解した上で、科学出版に使用できる研究パラダイム図を作成してください。スタイル:脳波ベースの感情認識 3.2.2.3 時空間グルーピング融合サブモジュール。時空間グルーピング融合サブモジュールは、時空間動的モデリングモジュールのコアインタラクションユニットとして機能します。その主な目標は、脳波信号における「時間次元の非定常性、動的な空間依存性、および時空間特徴の分離」という重要な問題に対処することです。このモジュールは、「動的アテンショングルーピング - 時空間結合モデリング(IDGCNによってサポート) - ゲート付きインタラクション更新 - ツリー状のマルチブランチ融合」という段階的なアーキテクチャを採用し、時間的なローカルパターンと多重次数の空間的依存性を深く結合させ、異なる感情状態における脳波信号の時空間的な動的変化に適応します。このモジュールは、動的グラフ構築サブモジュールおよび拡散畳み込みサブモジュールと密接に接続されており、改良された動的グラフ畳み込みネットワーク(IDGCN)に依存して、動的トポロジーと時間シーケンス特徴によって誘導される空間特徴の有機的な融合を実現し、後続のマルチブランチ階層的統合のために高度に識別可能な時空間結合特徴を提供します。 (a) 動的アテンショングルーピングユニット このユニットは、アテンション重みに基づいて特徴を適応的にグループ化し、固定ウィンドウ分割の制限を打破し、グルーピング結果がデータの時空間分布特性に正確に一致することを可能にし、IDGCNによる後続の時空間結合モデリングのために高価値の特徴領域をスクリーニングします。 (a) アテンション重み計算 まず、軽量な畳み込みネットワークを使用して、入力特徴の次元を圧縮し、非線形変換を実行し、グルーピングアテンション重みを適応的に学習します。式は次のとおりです。 (3-16) ここで: は入力時空間特徴テンソルです( はバッチサイズ、 は特徴チャネル数、 は電極ノード数、 はタイムステップです)。 はチャネル次元削減畳み込みであり、チャネル数を から に減らし、主要な特徴を保持しながら計算コストを削減します。 は重み予測畳み込みであり、チャネル数をさらに2に圧縮し、2つのグループの初期重みを出力します。 はチャネル次元に沿って正規化され、2つのグループの重みの合計が1になるようにし、特徴エネルギーの保存を保証し、最終的にアテンション重みテンソル を取得します。その要素 は、サンプルに属する電極 とタイムステップ の特徴の最初のグループの重みを表します。 (b) 動的グループ生成 学習されたアテンション重みに基づいて、元の特徴に重み付けとグループ化を行い、2つの相補的な部分空間特徴を取得します。式は次のとおりです。 (3-17) (3-18) ここで、 と はそれぞれ最初のグループと2番目のグループの特徴です。このグルーピング方法の主な利点は、アテンション重みが入力特徴とともに動的に変化することであり、感情に関連する主要な時空間領域に自動的に焦点を当て、眼電図や筋電図などのノイズ干渉を抑制し、IDGCNのその後の効率的なモデリングのために高い信号対雑音比の入力を提供できることです。 (b) IDGCNユニット:時空間結合モデリングのコアキャリア このユニットは、モジュールのコア計算ユニットです。その設計目標は、単一のグループの特徴に対して「時間依存性の捕捉 - 動的な空間依存性モデリング - グループインタラクション更新」を同時に完了することです。時間畳み込み、動的グラフ畳み込み(DGCN)、ゲーティングメカニズム、および残差調整を統合することにより、時空間特徴の深い結合と洗練を実現します。
酵母サッカロミセス・セレビシエのグルコースおよび酢酸発酵代謝経路を示す模式図。図の中心部は、炭素源変換、酸化還元関連酵素...