结果表明使用基于复杂的非线性函数的深度时空方法为学习任务生成具有鉴别性的编码,使用fMRI体素/脑区/功能连接特征对模型进行验证,发现本文方法的分类性能优于传统标准机器学习(SML)和DL方法,除了相对简单的集中趋势测量的...对于KRR方法,超参数网格被扩展为核映射函数(线性核/多项式核等),正则化参数的范围为([10-3,10-2,10-1,1]),核映射函数中的gamma参数(范围为[−4,2])。...对于EN回归方法,将调优参数alpha乘以惩罚项(在[10-1、10-2、10-3、10-4、10-5、10-6]范围内)和凸组合惩罚参数(在[0,1]范围内均匀采样的10个值)也视为超参数。...两层双向LSTM模型和graph-CNN均使用了Adam优化器,并对学习率在[5×10-2,10-2,5×10-3,10-3,10-4]范围内和对批量大小在(16,32,64,128)范围内进行了调整。...结果
DL方法的性能
作者评估了所有特征和模型的实际年龄和预测年龄之间的MAE、相关系数和决定系数(R2)回归得分。图2说明了DL与SML在fMRI数据的年龄回归任务上具有一定的优势。