基于动态网络的文本敏感信息感知脑响应检测模型

作     者：李慧敏 曾颖 童莉 鲁润南 闫镔 LI Huimin;ZENG Ying;TONG Li;LU Runnan;YAN Bin

作者机构：郑州大学网络空间安全学院河南郑州450001 战略支援部队信息工程大学信息系统工程学院河南郑州450001 

出 版 物：《传感器与微系统》 (Transducer and Microsystem Technologies)

年 卷 期：2024年第43卷第4期

页      面：152-156页

学科分类：081203[工学-计算机应用技术] 08[工学] 080401[工学-精密仪器及机械] 0804[工学-仪器科学与技术] 0835[工学-软件工程] 081102[工学-检测技术与自动化装置] 0811[工学-控制科学与工程] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

主　　题：文本敏感信息 脑电信号 目标检测 动态卷积神经网络 注意力机制 

摘      要：针对文本敏感信息感知过程复杂和个体差异大造成敏感信息感知脑响应潜伏期不确定性的问题,提出了一种基于动态卷积神经网络的脑响应检测模型——DyCNN_CBAM。该模型通过增加的动态卷积模块,让每层的卷积参数在训练的时候随着输入可变,可提升模型的尺寸与容量。然后在模型第一、二层后增加的注意力机制模块,自动计算贡献度较高的时空信息。实验结果表明:该模型比现有的单尺度模型平均分类准确率提高了4%,F1分数提高6.7%,同时比现有多尺度网络平均分类准确率提高了2%,F1分数提高1.2%。此外,在公开数据集上取得最好的F1分数。由此说明,该网络更够适应文本敏感信息感知脑信号潜伏期抖动性,有效地提升了文本敏感信息检测模型的稳定性。