[发明专利]基于可微神经结构搜索的大脑时-空网络分解方法及系统

权利要求书

1.一种基于可微神经结构搜索的大脑时-空网络分解方法，其特征在于，所述方法包括：

步骤S1：基于HCP数据集的七个认知任务构建大脑原始数据矩阵；

步骤S2：根据所述大脑原始数据矩阵确定输入特征矩阵、输出层矩阵和目标输出矩阵；

步骤S3：根据所述输入特征矩阵、所述输出层矩阵和所述目标输出矩阵，对细胞结构进行最优搜索，获得最优细胞结构；

步骤S4：引入早停机制，根据所述最优细胞结构确定最终细胞结构；

步骤S5：根据所述最终细胞结构对大脑时-空网络进行分解，获得时间动态特征和空间网络特征。

2.根据权利要求1所述的基于可微神经结构搜索的大脑时-空网络分解方法，其特征在于，所述根据所述输入特征矩阵、所述输出层矩阵和所述目标输出矩阵，对细胞结构进行最优搜索，获得最优细胞结构，具体包括：

步骤S31：将所述输入特征矩阵输入嵌入层进行压缩，获得循环神经网络RNN层的维度；

步骤S32：将离散操作转变到可微的连续搜索空间中，对RNN层细胞结构中的内部节点间的操作进行更新搜索；

步骤S33：将连续空间搜索后的节点间操作进行离散化，获得离散域内的节点间操作，并根据离散域内的节点间操作确定细胞结构；

步骤S34：利用损失函数公式，根据所述输出层矩阵和所述目标输出矩阵确定损失函数值；

步骤S35：基于损失函数值进行迭代更新，获得最优细胞结构。

3.根据权利要求1所述的基于可微神经结构搜索的大脑时-空网络分解方法，其特征在于，所述引入早停机制，根据所述最优细胞结构确定最终细胞结构，具体包括：

步骤S41：判断当前的所述最优细胞结构中是否存在小于或等于3个“等于”操作；

步骤S42：如果当前的所述最优细胞结构中存在小于或等于3个“等于”操作，则将当前的所述最优细胞结构作为最终细胞结构；

步骤S43：如果当前的所述最优细胞结构中存在大于3个“等于”操作，则采用反推法回溯历史搜索细胞结构，对“等于”操作进行删减；

步骤S44：依次判断反推过程中的细胞结构中是否存在小于或等于2个“等于”操作，如果所述细胞结构中存在小于或等于2个“等于”操作，则将所述细胞结构作为最终细胞结构；否则将拥有最少“等于”操作的所述细胞结构作为最终细胞结构。

4.根据权利要求1所述的基于可微神经结构搜索的大脑时-空网络分解方法，其特征在于，所述根据所述最终细胞结构对大脑时-空网络进行分解，获得时间动态特征和空间网络特征，具体包括：

步骤S51：根据所述最终细胞结构确定大脑网络的时间动态特征；

步骤S52：根据弹性网络回归，利用所述时间动态特征对大脑网络的空间特征进行估计，获得空间网络特征。

5.一种基于可微神经结构搜索的大脑时-空网络分解系统，其特征在于，所述系统包括：

大脑原始数据矩阵构建模块，用于根据HCP数据集的七个认知任务构建大脑原始数据矩阵；

矩阵参数确定模块，用于根据所述大脑原始数据矩阵确定输入特征矩阵、输出层矩阵和目标输出矩阵；

最优搜索模块，用于根据所述输入特征矩阵、所述输出层矩阵和所述目标输出矩阵，对细胞结构进行最优搜索，获得最优细胞结构；

早停机制引入模块，用于引入早停机制，根据所述最优细胞结构确定最终细胞结构；

分解模块，用于根据所述最终细胞结构对大脑时-空网络进行分解，获得时间动态特征和空间网络特征。