-
公开(公告)号：CN117708681B
公开(公告)日：2024-04-26
申请号：CN202410168853.X
申请日：2024-02-06
Applicant: 南京邮电大学
IPC: G06F18/241 , G06F18/213 , A61B5/369 , A61B5/00
Abstract: 本发明公开了一种基于结构图指导的个性化联邦脑电信号分类方法及系统，涉及脑电信号识别技术领域，包括客户端采集脑电信号数据并进行预处理，服务器初始化全局模型参数并下发给客户端，初始化本地局部模型，进行客户端本地局部模型优化；构建最终损失函数，更新局部结构图和本地局部模型参数上传至服务器，更新全局结构图；进行归一化处理，计算相似度和本地局部模型的聚合权重得到全局模型参数，生成个性化模型参数；得到个性化模型。本发明解决客户端之间数据异构问题，提高全局模型的泛化能力。根据相似度计算各客户端个性化权重参数，生成客户端个性化模型参数，提升各局部模型的分类性能。
-
公开(公告)号：CN117708681A
公开(公告)日：2024-03-15
申请号：CN202410168853.X
申请日：2024-02-06
Applicant: 南京邮电大学
IPC: G06F18/241 , G06F18/213 , A61B5/369 , A61B5/00
Abstract: 本发明公开了一种基于结构图指导的个性化联邦脑电信号分类方法及系统，涉及脑电信号识别技术领域，包括客户端采集脑电信号数据并进行预处理，服务器初始化全局模型参数并下发给客户端，初始化本地局部模型，进行客户端本地局部模型优化；构建最终损失函数，更新局部结构图和本地局部模型参数上传至服务器，更新全局结构图；进行归一化处理，计算相似度和本地局部模型的聚合权重得到全局模型参数，生成个性化模型参数；得到个性化模型。本发明解决客户端之间数据异构问题，提高全局模型的泛化能力。根据相似度计算各客户端个性化权重参数，生成客户端个性化模型参数，提升各局部模型的分类性能。
-
公开(公告)号：CN117892183B
公开(公告)日：2024-06-04
申请号：CN202410289659.7
申请日：2024-03-14
Applicant: 南京邮电大学
IPC: G06F18/24 , G06N3/096 , G06N3/0455
Abstract: 本发明涉及脑电信号识别方法技术领域，公开了一种基于可靠迁移学习的脑电信号识别方法及系统，包括：采集EEG数据，并在划分源域和目标域后进行预处理。对源域和目标域数据进行增广。定义权重函数，自适应地学习每个源域数据对应的权重，确定出可迁移的源域数据。将监督学习损失、判别特征对齐正则化和选择性跨视图一致性学习正则化，一起集成到迁移学习框架中，建立目标函数。求解所述目标函数，实现对脑电信号的识别。本发明提供的基于可靠迁移学习的脑电信号识别方法及系统缓解了不可靠的源域数据对目标模型造成的负迁移效应。增强EEG深度特征的可分性。构建的模型具有更好的泛化能力。提升了模型对目标EEG信号的识别性能。
-
公开(公告)号：CN117892183A
公开(公告)日：2024-04-16
申请号：CN202410289659.7
申请日：2024-03-14
Applicant: 南京邮电大学
IPC: G06F18/24 , G06N3/096 , G06N3/0455
Abstract: 本发明涉及脑电信号识别方法技术领域，公开了一种基于可靠迁移学习的脑电信号识别方法及系统，包括：采集EEG数据，并在划分源域和目标域后进行预处理。对源域和目标域数据进行增广。定义权重函数，自适应地学习每个源域数据对应的权重，确定出可迁移的源域数据。将监督学习损失、判别特征对齐正则化和选择性跨视图一致性学习正则化，一起集成到迁移学习框架中，建立目标函数。求解所述目标函数，实现对脑电信号的识别。本发明提供的基于可靠迁移学习的脑电信号识别方法及系统缓解了不可靠的源域数据对目标模型造成的负迁移效应。增强EEG深度特征的可分性。构建的模型具有更好的泛化能力。提升了模型对目标EEG信号的识别性能。
-
-
-
Search Results
4
records
(took 0.017 seconds)
