基于张量化频空注意力域适应网络的跨时段脑纹识别方法

    公开(公告)号:CN115969392A

    公开(公告)日:2023-04-18

    申请号:CN202310129985.7

    申请日:2023-02-17

    Abstract: 本发明公开基于张量化频空注意力域适应网络的跨时段脑纹识别方法。针对现有大多数多源域自适应方法是单独弥合多个源域和目标域之间的域差距,而忽略各分布对齐域不变特征之间的关系。本发明通过建模域不变特征的重要关系辅助目标域的性能,而不受源域之间分布差异的影响。采用一种新的张量化频空注意网络(TSFAN),以联合合并成对源和目标以及跨源域的适当公共频空特征。考虑到维度的问题,TSFAN进一步近似地表示为低秩Tucker格式,使TSFAN在域的数量上线性扩展,将TSFAN扩展到与任意时段数量的情况。本发明能够实现高效的跨时段任务无关脑纹识别,是可用于现实生活中便携式脑纹识别的一种有效方法。

    一种基于DMP的下肢外骨骼上楼梯控制方法

    公开(公告)号:CN113977582B

    公开(公告)日:2023-04-11

    申请号:CN202111341855.7

    申请日:2021-11-12

    Abstract: 本发明公开了一种基于DMP的下肢外骨骼上楼梯控制方法。本发明的具体步骤如下:1.上楼梯髋、膝关节角度数据采集。2.对步骤1采集的角度数据进行预处理。3.使用激光测距模块测量楼梯高度与宽度。4.建立DMP步态生成模型。5.利用训练好的DMP模型,实时规划出上楼梯步态轨迹。本发明创新性地对外骨骼运动的髋、膝关节角度曲线进行分段,使用DMP分别对两段曲线进行学习,利用几何关系通过楼梯高度、宽度推算出髋、膝关节的角度,将其作为目标点输入DMP,自动生成相应的上楼梯步态角度曲线。本发明实现了楼梯尺寸数据的自动测量,得到的上楼梯轨迹曲线实验效果良好。

    一种基于脑机生成对抗的情绪识别方法

    公开(公告)号:CN113974627B

    公开(公告)日:2023-04-07

    申请号:CN202111248689.6

    申请日:2021-10-26

    Abstract: 本发明公开一种基于脑机生成对抗的情绪识别方法。针对情绪识别任务,人脑处理信息后得到的是具有情感的认知表征,而机器学习到的仅仅是图像的形式表征,如果能够建立两者之间的生成关系,通过“人脑”引导“机器”学习,将人脑的情感认知能力赋予机器。为了将人脑感知的信息赋予机器,需要建立图像视觉特征到脑电情感特征的生成模型,从而实现形式表征到认知表征之间的生成。本发明将探索脑电情感特征与图像视觉特征之间的关系,建立形式表征与认知表征之间的联系,实现脑机协同智能。为了减少认知表征与形式表征间的差异,使得形式表征无限逼近认知表征,本发明设计一种“基于脑机生成对抗的情绪识别方法”。

    一种基于运动想象时频空特征的外骨骼机器人控制方法

    公开(公告)号:CN113977557B

    公开(公告)日:2023-03-21

    申请号:CN202111371361.3

    申请日:2021-11-18

    Abstract: 本发明公开了一种基于运动想象时频空特征的外骨骼机器人控制方法。该方法可将使用者的主动运动意图作为外骨骼的运动指令。本发明提取MI信号在不同通道的多个频带在时间窗口的功率特征,先利用两层全连接层获取多个通道在空间上和频率上的功率关系,然后把不同时间的全连接层输出结果输入BI LSTM中提取时间上的变化特征,训练出基础模型。然后把模型部署在服务器上,每次使用运动想象模型控制外骨骼之前,进行一小段时间的在线训练,提高模型对不同时间段的脑电信号的特征的分类能力。最后使用运动想象左右手的分类结果,控制下肢外骨骼分别做出左腿迈出右腿跟进,或者右腿迈出左腿跟进的动作。

    一种基于强化学习的多源域迁移目标识别方法

    公开(公告)号:CN114202031A

    公开(公告)日:2022-03-18

    申请号:CN202111539029.3

    申请日:2021-12-15

    Abstract: 本发明公开一种基于强化学习的多源域迁移目标识别方法。本发明使用强化学习来训练数据选择策略,以选择高质量的源域数据,目的是防止负转移及多个源域和目标域之间存在的域差异。在源域数据上的数据选择器“作用”以找到用于优化TL模型的子集,而TL模型的性能可以提供“奖励”以更新选择器。我们基于SoftActor‑Critic(柔性执行器‑评价器)算法框架构建加强数据选择器,并将其集成到基于DNN的迁移学习模型,从而变成强化迁移学习(RTL)方法。经过不同的状态,奖励和策略优化方法的设置,确认本发明提供的模型的稳健性。对PI和NLI任务的广泛实验表明,本发明提供的模型可以优于具有统计显着改进的现有方法。

    一种情感识别的方法、装置、设备和介质

    公开(公告)号:CN114168823A

    公开(公告)日:2022-03-11

    申请号:CN202111463362.0

    申请日:2021-12-02

    Abstract: 本申请提供了一种情感识别的方法、装置、设备和介质,该方法包括:获取目标对象的多个模态分别对应的模态特征;基于多个所述模态特征分别构造第一张量和第二张量,所述第一张量的维度和所述第二张量的维度基于所述模态的个数确定;将所述第一张量和所述第二张量分别作为基于注意力机制的神经网络的查询值和关键值;根据所述查询值和所述关键值获得每个模态分别对应的核张量及基于所述核张量得到的池化矩阵;针对所述多个模态中的目标模态,将所述目标模态对应的核张量和除所述目标模态外的其他模态分别对应的池化矩阵进行融合,得到所述目标模态对应的注意力表示;基于每个模态的所述注意力表示获得所述目标对象的情感分类结果。

    基于EEG交叉频率耦合的卒中脑功能评估装置

    公开(公告)号:CN114145754A

    公开(公告)日:2022-03-08

    申请号:CN202111522093.0

    申请日:2021-12-13

    Abstract: 本发明公开了基于EEG交叉频率耦合的卒中脑功能评估装置。对卒中状态或健康状态被试在运动想象任务下的多通道脑电数据进行采集和预处理,提取刺激后的有效数据段;计算每个数据段的频段内以及频段间相相耦合关系;提取多尺度脑网络指标,包括全脑平均功能连接值、半球尺度上的平均功能连接值、特征路径长度、以及聚类系数指标,依据欧几里德距离评估脑功能状态。本发明突破了单频段脑网络分析的局限性,通过交叉频率脑网络进行有效的卒中脑功能评估。

    一种基于脑电信号类多光谱图像序列的身份识别方法

    公开(公告)号:CN114139573A

    公开(公告)日:2022-03-04

    申请号:CN202111287921.7

    申请日:2021-11-02

    Abstract: 本发明公开一种基于脑电信号类多光谱图像序列的身份识别方法,包括以下步骤:设计一个基于运动想象的脑电信号采集实验方案,其中,使用测试图片中不同方向的箭头来诱发对应的运动想象脑电信号。利用带通滤波器来消除原始脑电信号中的眼电伪迹和工频干扰,再利用加窗平均法来得到每一时刻指定节律的平均功率,再结合脑电极的二维分布来生多光谱图像序列,将得到的图像序列视作样本批量送入深度学习模型进行身份识别。本发明选取了运动想象脑电信号进行身份识别,提高了可行性。本发明使用脑电信号构造多光谱图像序列作为样本,充分利用脑电信号的时频域特征和空域特征,同时利用深度学习模型学习各个特征的内在联系,使得模型性能提升和更加鲁棒。

    一种基于时间-通道级联Transformer网络的脑电识别方法

    公开(公告)号:CN114089834A

    公开(公告)日:2022-02-25

    申请号:CN202111614470.3

    申请日:2021-12-27

    Abstract: 本发明公开了一种基于时间‑通道级联Transformer网络的脑电识别方法。本发明包括如下步骤:1:获取意念想象英文字符脑电数据,构建预处理模块;2:构建时间‑通道级联Transformer网络的时间模块,该时间模块的输入数据为预处理后的脑电数据,输出是提取后的时间特征;3:构建时间‑通道级联Transformer网络的脑电通道模块,该脑电通道模块的输入数据为时间特征,输出是提取后的时空融合特征;4:构建时间‑通道级联Transformer网络的分类模块,该分类模块的输入为时空融合特征,该分类模块的输出为分类结果。本发明能够有效提高字符想象脑电信号的识别准确率。

    基于多通道张量池化的多模态深度分层融合情感分析方法

    公开(公告)号:CN111178389B

    公开(公告)日:2022-02-11

    申请号:CN201911244389.3

    申请日:2019-12-06

    Abstract: 本发明涉及基于多通道张量池化的多模态深度分层融合情感分析方法。基于注意力机制方法,可以对多模态数据设定相应权重,划分不同模态数据的重要程度,从而根据不同模态数据对任务的不同贡献程度,在融合部分放大贡献程度大的多模态数据在交互时的作用。而相对于单通道多项式张量池化模块,多通道多项式张量池化模块能够从细粒度层面获得鲁棒性高的局部高维度复杂非线性交互信息。本发明在判定多模态数据重要程度基础上,能从细粒度层面刻画稳定的局部高维复杂动态交互信息,是对当前情感识别领域的多模态融合框架的有效补充。

Patent Agency Ranking