公开(公告)号：CN119167170A

公开(公告)日：2024-12-20

申请号：CN202411232039.6

申请日：2024-09-04

Applicant: 暨南大学

Inventor： 龙锦益 ,  陈煜廷 ,  刘斯为 ,  张佳

IPC: G06F18/241 ,  G06F18/22 ,  G06F18/213 ,  G06N3/0464 ,  G06N3/045 ,  G06N3/096 ,  G06N3/09

Abstract: 本发明公开了一种基于迁移学习的跨时段脑电运动想象分类方法，具体涉及运动脑机接口领域，包括：S1.利用数据预处理得到源域与目标域脑电数据；S2.利用基于注意力的可分离卷积神经网络提取频率、空间和时间信息；S3.利用监督学习最小化源域样本数据的分类损失；S4.利用迁移学习最大化源域与目标与样本特征之间的相似性，以训练适用于跨时段脑电的神经网络；S5.用训练的模型对目标域进行分类，并与选定几种常用先进算法对比在公开数据集上的运动想象分类效果。并验证了跨时段问题在运动脑机接口中普遍存在。发明提出的方法提供科学可靠的运动想象分类方案，构建了比选定几种常用先进算法更高准确度的运动想象分类模型。

公开(公告)号：CN118245835A

公开(公告)日：2024-06-25

申请号：CN202311752879.0

申请日：2023-12-19

Applicant: 暨南大学

Inventor： 龙锦益 ,  颜嘉 ,  刘斯为 ,  张佳

IPC: G06F18/24 ,  G06F18/213 ,  G06N3/042 ,  G06N3/0464 ,  G06N3/048 ,  G06N3/0895 ,  A61B5/16 ,  A61B5/369 ,  A61B5/372 ,  A61B5/00

Abstract: 本发明涉及情感脑机接口技术领域，且公开了一种基于自监督对比学习的小样本脑电情感识别方法，包括以下具体步骤：S1.将小样本数量的无标签信息的脑电的微分熵特征经过数据增强模块进行强弱增强得到两组增强数据样本。该基于自监督对比学习的小样本脑电情感识别方法，通过利用无标签的脑电数据预训练基于图卷积的脑电空间编码器，再用少量特定目标任务有标签数据进行微调，使得构建更为准确可靠的情绪识别模型，为现实小样本场景下的情绪识别提供科学参考，且图网络更有利于提取脑电的空间表示，从而获得更加准确可靠的识别结果，且本发明能提供准确可靠的情感识别模型，为情感脑机接口解码情绪提供了有利的方法。