Workload Net在工作负荷检测中的应用  

作　　者：杨雨梁 袁之正 张智涵 周高杰 

机构地区：[1]五邑大学,广东江门529000 [2]鲁东大学,山东烟台264000

出　　处：《电脑知识与技术》2024年第18期19-22,共4页Computer Knowledge and Technology

摘　　要：检测工作负荷水平对于优化任务设计、资源分配以及提高认知表现和效率至关重要。考虑到个体间在承载工作负荷能力上的显著差异性,本文旨在构建一种具有普适性的深度学习模型——Workload Net,用以量化和监测个体工作负荷水平。该模型由三部分构成:基础网络、平行连接机制和回归网络。模型利用特征金字塔结构捕捉多尺度特征信息,并考虑任务执行过程中的时间片段内与片段间的关联性,以此增强对工作负荷水平的检测能力。通过与现有算法对比,验证了Workload Net模型在工作负荷检测任务上的有效性。

关 键 词：工作负荷 深度学习 基础网络 平行连接机制 回归网络 

分 类 号：TP18[自动化与计算机技术—控制理论与控制工程]