-
公开(公告)号：CN115998306A
公开(公告)日：2023-04-25
申请号：CN202211524864.4
申请日：2022-11-30
Applicant: 杭州电子科技大学
IPC: A61B5/372 , A61B5/378 , A61B5/00 , G06F18/214 , G06F18/24 , G06N3/0442 , G06N3/0464 , G06N3/08
Abstract: 本发明公开一种基于多尺度神经网络的运动想象分类方法及系统。本发明通过将信号二维化，从而更加充分利用到了各电极EEG信号物理意义上的空间信息，将多频率尺度的卷积神经网络模块和时序循环神经网络模块有效结合到了一起，尽可能地捕捉到了信号中有用的频域信息、空域信息以及时域信息，降低了模型过拟合的可能性，具有良好的分类效果以及可泛化性；本发明考虑用户在实际执行运动想象任务过程中注意力涣散的情况，通过计算用户执行任务时的注意力指标，并在模型训练中地利用该信息，通过注意力指标计算得到的衰减系数k，调整不同频率尺度模块对应的权重来着重提取更关键频率尺度的信息，进一步增加方法的可泛化性和可信度。
-
公开(公告)号：CN115553781A
公开(公告)日：2023-01-03
申请号：CN202211190514.9
申请日：2022-09-28
Applicant: 杭州电子科技大学
Abstract: 本发明公开一种基于核心脑网络和张量分解的驾驶疲劳状态检测方法。本发明创新性的结合相关性分析和图论中心性原理为判断节点重要性的依据，考虑功能网络随精神状态的变化，通过保留关键节点和相应边来确定影响精神状态的核心脑网络。针对多层脑网络不同频带的脑网络特征之间的关联无法被有效挖掘的问题，本发明将脑网络数据作为高阶张量，使用连续低秩非负塔克分解算法，使用张量分解的方法保留不同频带脑网络之间的相互联系，快速高效的提取多层核心脑网络的分类特征。
-
公开(公告)号：CN113178195B
公开(公告)日：2022-08-26
申请号：CN202110241424.7
申请日：2021-03-04
Applicant: 杭州电子科技大学
Abstract: 本发明公开一种基于声音诱发脑电信号的说话人识别方法。本发明通过采集脑电数据，提取听觉刺激部分时频特征和时域统计特征的融合特征。采用alpha频段基线校正部分的脑电信号获得的融合特征作为背景模板。将听觉刺激部分融合特征减去背景模板得到干净任务态数据融合特征，最后利用本发明提出的网络模型区分不同说话人。本发明提供了一种可行的基于声音诱发脑电信号的说话人识别方法，并利用训练好的分类器去区分不同说话人，准确率达到90％。
-
公开(公告)号：CN114863213A
公开(公告)日：2022-08-05
申请号：CN202210512236.8
申请日：2022-05-11
Applicant: 杭州电子科技大学
IPC: G06V10/774 , G06V10/82 , G06V10/764 , G06K9/62 , G06F17/18 , G06N3/04 , G06N3/08
Abstract: 本发明公开一种基于因果解耦生成模型的域泛化图像识别方法。域泛化的目的是从多个源域数据中学习域不变表示很好的泛化到不可见的目标域，但是学习域不变特征的最大挑战在于从纠缠的特征空间中分解出语义信息和域信息。考虑到因果特征具有跨域不变的特性，本发明提出了因果解耦表征模型。首先，将跨域稳定的因果结构模型作为先验引入。然后，构建基于因果结构的生成模型，分别为任务相关和域相关特征建模。特别的是，两个隐特征之间的双向因果依赖通过一种干预手段解除，从而有效消除域相关特征对预测任务的影响。结果证明，本发明提出的方法能够有效解耦出任务相关和域相关特征，超过了大多数的解决域泛化的方法。
-
公开(公告)号：CN113081001B
公开(公告)日：2022-04-01
申请号：CN202110390268.0
申请日：2021-04-12
Applicant: 杭州电子科技大学
Abstract: 本发明公开一种同步EEG‑fMRI脑电信号去BCG伪迹方法。对在普通环境和核磁共振环境下的睁眼、闭眼状态多通道头皮脑电信号进行采集和预处理，然对其进行数据分割，构建睁眼和闭眼状态数据集；利用上述睁眼和闭眼状态数据集分别进行去除BCG伪迹的睁眼网络模型和闭眼网络模型训练；该模型采用基于CycleGAN网络架构模型BCGGAN；BCGGAN包括CycleGAN、自编码器约束、中间特征约束。本发明在尽可能去除BCG伪迹的同时，能更好地有效保留脑电信息。
-
Patent Agency Ranking
公开(公告)号：CN112465059A
公开(公告)日：2021-03-09
申请号：CN202011431548.3
申请日：2020-12-07
Applicant: 杭州电子科技大学
Abstract: 本发明公开了基于跨脑融合决策的多人运动想象识别方法及脑机系统。本发明基于跨脑融合决策的多人运动想象识别方法，具体如下：一：n个训练人员进行运动想象；二、对步骤一获得的脑电数据分别进行预处理，并打标签。三、将训练集中各训练人员的脑电数据进行融合，得到各运动想象任务对应的训练用融合脑电数据。四、用带有标签的训练用融合脑电数据对分类器进行训练。五、n个被测者想象同一个运动，在想象的同时采集各被测者的脑电信号，并进行预处理。之后，对n个被测者的脑电数据进行融合，测到跨脑融合脑电数据；将跨脑融合脑电数据导入训练好的分类器中进行分类判断，获取n个被测者想象的运动类别。
-
公开(公告)号：CN110163108B
公开(公告)日：2020-12-08
申请号：CN201910329213.1
申请日：2019-04-23
Applicant: 杭州电子科技大学
Abstract: 本发明公开了基于双路径特征融合网络的鲁棒声呐目标检测方法。传统图像处理方法使用图像分割的方法将背景和目标区分；本发明如下：一、搭建双路径特征融合网络。二、对步骤1所得的双路径特征融合网络进行训练。三、声呐图像的生成和特征提取。四、结合默认框进行声呐图像目标框的分类和检测。本发明将深度学习技术融入到目标检测中，将声呐数据生成的声呐图像输入网络模型中，在模型中一次性完成特征提取、目标检测、目标分类，从而大大提高检测速度。本发明可以提取到更多的深层次特征，从根本上优化了目标分类，回归。本发明采用多尺度密集相连，以融合多层次特征，提升中小目标检测效果。
-
-
公开(公告)号：CN119474855A
公开(公告)日：2025-02-18
申请号：CN202411431970.7
申请日：2024-10-14
Applicant: 杭州电子科技大学
IPC: G06F18/214 , A61B5/372 , A61B5/374 , A61B5/00 , G06N3/0475 , G06N3/094 , G06N3/0464 , G06N3/048 , G06F18/213 , G06F18/2131 , G06N3/0455 , G06F18/22 , G06F17/18
Abstract: 本发明公开一种融合时频域和微分熵特征的脑电信号生成方法及系统。将原始脑电信号加入VAE编码器中得到隐空间分布。在VAE解码器中，加入标准高斯噪声和隐空间噪声分别得到生成脑电和重构脑电。将生成脑电、重构脑电和原始脑电输入鉴别器判断真伪。在训练过程中，采用KL散度损失训练VAE编码器参数，采用重构损失和相似度损失训练VAE解码器参数，采用交叉熵损失和梯度惩罚函数训练鉴别器参数。训练过程中VAE解码器不断生成更真实的脑电信号。最终VAE解码器和鉴别器达到平衡，VAE解码器达到扩增脑电信号数据集的能力。本发明能够通过生成更加真实的脑电信号数据来扩充脑电信号数据集，从而改善网络模型的泛化能力和性能。
-
公开(公告)号：CN112465059B
公开(公告)日：2024-12-10
申请号：CN202011431548.3
申请日：2020-12-07
Applicant: 杭州电子科技大学
IPC: G06F18/241 , G06F18/25 , G06F18/214
Abstract: 本发明公开了基于跨脑融合决策的多人运动想象识别方法及脑机系统。本发明基于跨脑融合决策的多人运动想象识别方法，具体如下：一：n个训练人员进行运动想象；二、对步骤一获得的脑电数据分别进行预处理，并打标签。三、将训练集中各训练人员的脑电数据进行融合，得到各运动想象任务对应的训练用融合脑电数据。四、用带有标签的训练用融合脑电数据对分类器进行训练。五、n个被测者想象同一个运动，在想象的同时采集各被测者的脑电信号，并进行预处理。之后，对n个被测者的脑电数据进行融合，测到跨脑融合脑电数据；将跨脑融合脑电数据导入训练好的分类器中进行分类判断，获取n个被测者想象的运动类别。
-
-
-
-
-
-
-
-
-
Search Results
88
records
(took 0.051 seconds)
