-
公开(公告)号：CN119830109A
公开(公告)日：2025-04-15
申请号：CN202411936031.8
申请日：2024-12-26
Applicant: 杭州电子科技大学
IPC: G06F18/241 , A61B5/369 , A61B5/117 , A61B5/00 , G06F18/213 , G06N3/045 , G06N3/0464 , H04L9/32 , G06F123/02
Abstract: 本发明公开一种基于双边注意力深度神经网络的跨时段脑纹识别方法及其系统。通过基准网络对脑电数据进行初级特征提取；利用双边注意力深度神经网络对初级特征进行高级语义特征提取；双边注意力深度神经网络包括空间特征精炼单元、通道特征精炼单元、特征聚合单元；使用分类器对高级语义特征进行分类识别。本发明通过空间特征精炼单元和通道特征精炼单元，对基准网络提取的初级特征进行协同深度处理，使得提取的高级语义特征更具代表性，从而显著提高了跨时段脑纹识别的准确性。
-
公开(公告)号：CN114757235B
公开(公告)日：2025-04-15
申请号：CN202210512240.4
申请日：2022-05-11
Applicant: 杭州电子科技大学
IPC: G06F18/10 , G06F18/24 , G06F18/214 , G06F17/16 , G06F18/27
Abstract: 本发明公开了一种基于共有与特有脑电特征挖掘的情感识别方法，包括如下步骤：步骤1：脑电情感数据的采集,步骤2：对脑电情感数据进行预处理,步骤3：建立基于共有与特有脑电特征情感识别模型的目标函数,步骤4：根据目标函数得出需要迭代优化的表达式；步骤5：将步骤2中预处理好的脑电数据输入目标函数中，根据步骤4得出的更新表达式，不断迭代优化，得到被试者的情感状态标签。另外，本发明能针对性地利用某一类情感状态对应的特有特征以及所有情感状态的共有特征，让模型除了有更好地识别情感状态的性能之外，还可以发现情感状态和特定特征之间的联系，从而能更有效率地捕捉到情感状态。
-
公开(公告)号：CN114330422B
公开(公告)日：2024-04-12
申请号：CN202111491551.9
申请日：2021-12-08
Applicant: 杭州电子科技大学
Abstract: 本发明公开了一种实时估计脑电情感特征的跨被试迁移学习方法，包括如下步骤：步骤1脑电数据采集，步骤2脑电数据进行预处理，步骤3建立目标函数，步骤4迭代优化目标函数，步骤5将步骤2中完成预处理的脑电数据输入至迭代优化后的目标函数中，通过数学模型不断迭代优化目标标签，能够根据脑电数据准确地识别被试者的情感状态，另外，针对的是脑电研究领域较难的跨被试情景，通过半监督标签传播以及域适应联合迭代优化，半监督标签传播优化得到更好的目标标签，以得到更加优秀的映射矩阵提高迁移效果，使得源域数据和目标域数据更加接近，不断迭代、优化，从而得到更加优秀的情感状态识别结果，提高跨被试迁移进行情感识别的准确性。
-
公开(公告)号：CN117992729A
公开(公告)日：2024-05-07
申请号：CN202410087933.2
申请日：2024-01-22
Applicant: 杭州电子科技大学
IPC: G06F18/10 , A61B5/372 , A61B5/00 , G06F18/213 , G06F18/214 , G06F18/22 , G06F18/24 , G06F18/25 , G06N3/0464 , G06N3/048 , G06N3/084
Abstract: 本发明公开一种范式自适应解耦的跨时段脑纹识别方法及其系统。本发明通过特征提取器从原始脑电数据中提取特征表示，从高度耦合的脑电信息中有效地分离出身份相关特征和范式任务相关特征，通过域对抗训练，进一步学习具有身份识别能力的域不变特征。本发明引入三种解耦器对特征提取模块提取的特征进行特征解耦；同时引入三种分类器通过域标签，身份标签，范式任务标签，通过对抗训练的方式，引导解耦器有效地解耦出范式任务特征、身份特征。因此，本发明能在跨时段的条件下自适应各种范式采集而来的脑电信号，在实际应用场景中具有较高的实用价值，为生物特征识别、身份验证等领域提供了创新性的解决方案。
-
公开(公告)号：CN114330422A
公开(公告)日：2022-04-12
申请号：CN202111491551.9
申请日：2021-12-08
Applicant: 杭州电子科技大学
Abstract: 本发明公开了一种实时估计脑电情感特征的跨被试迁移学习方法，包括如下步骤：步骤1脑电数据采集，步骤2脑电数据进行预处理，步骤3建立目标函数，步骤4迭代优化目标函数，步骤5将步骤2中完成预处理的脑电数据输入至迭代优化后的目标函数中，通过数学模型不断迭代优化目标标签，能够根据脑电数据准确地识别被试者的情感状态，另外，针对的是脑电研究领域较难的跨被试情景，通过半监督标签传播以及域适应联合迭代优化，半监督标签传播优化得到更好的目标标签，以得到更加优秀的映射矩阵提高迁移效果，使得源域数据和目标域数据更加接近，不断迭代、优化，从而得到更加优秀的情感状态识别结果，提高跨被试迁移进行情感识别的准确性。
-
Patent Agency Ranking
公开(公告)号：CN117668545A
公开(公告)日：2024-03-08
申请号：CN202311625312.7
申请日：2023-11-30
Applicant: 杭州电子科技大学
IPC: G06F18/214 , G06F18/241 , G06F18/213 , G06N3/0464 , G06N3/09 , G06V40/16
Abstract: 本发明公开一种基于脑机增强智能的半监督面部情绪识别方法。鉴于脑电信号包含大脑活动的情感信息和诱发其产生的视觉对象的视觉信息，本发明将其作为监督信息来实现面部情绪图像的标记，从而将大脑感知情绪的能力转移给机器。本发明将脑电信号的呈现方式从二维转变为三维，设计了EEGNet3D。其次，利用由视觉图像刺激诱发的脑电信号与脑电网络相结合，学习大脑活动的判别性脑电类表征流形。然后，通过训练视觉模型将图像投射到学习到的流形上，计算图像特征与脑电类表征之间的相似性分数来获取无标签图像的伪标签。最后，利用伪标签图像扩展训练集，训练分类模型。由此将大脑的情感判断的能力传递给机器，进而实现半监督面部情绪识别。
-
公开(公告)号：CN117636490A
公开(公告)日：2024-03-01
申请号：CN202311817342.8
申请日：2023-12-27
Applicant: 杭州电子科技大学
IPC: G06V40/70 , G06V40/16 , G06V10/764 , G06V10/774 , G06V10/82 , G06N3/096 , G06N3/0464
Abstract: 本发明公开一种基于脑机知识蒸馏的面部表情识别方法。深度学习存在许多基本的未决问题。其中一个问题是大型模型的提出，它可以提高性能，但计算成本较高。第二个问题是，收集和标记大型数据集通常是一项成本高昂的工作。与机器不同的是，由于一般原理和认知过程，人脑可以从有限的样本中高效地获得情绪分类所需的信息。为了赋予机器人脑判断情绪的能力，使其具有接近人脑的情绪识别模式，本发明提供一种“基于脑机知识蒸馏的面部表情识别方法“，以提炼人脑知识并将其传递给机器。脑机知识蒸馏框架由教师模型和学生模型组成。教师模型从视觉图像刺激诱发的脑电信号中提炼知识。学生模型处理视觉图像，同时从教师模型中学习认知知识。
-
公开(公告)号：CN118094217A
公开(公告)日：2024-05-28
申请号：CN202410062178.2
申请日：2024-01-16
Applicant: 杭州电子科技大学
IPC: G06F18/214 , G06F18/241 , G06F18/213 , G06N3/0464 , G06N3/09 , G06V40/16
Abstract: 本发明公开一种基于脑机协同训练的半监督面部情绪识别方法，在有标签的图像上训练认知模型和分类模型，使用训练后的认知模型和分类模型预测无标签数据的伪标签，将预测一致的标签作为图像的伪标签。认知模型和分类模型在伪标签扩增后的训练集上更新训练，然后重新预测无标签图像，如此反复；将检测效果最佳的分类模型作为最终分类模型。将被测图像输入最终分类模型，最终分类模型输出被测图像中的对象的情绪类型。本发明通过交替训练认知模型和分类模型，相互验证预测结果获得更高质量的伪标签，防止单一模型过度拟合预测错误的伪标签数据，从而更充分地利用无标签图像数据。
-
公开(公告)号：CN117992728A
公开(公告)日：2024-05-07
申请号：CN202410087929.6
申请日：2024-01-22
Applicant: 杭州电子科技大学
IPC: G06F18/10 , A61B5/369 , A61B5/372 , A61B5/00 , G06F18/213 , G06F18/214 , G06F18/2415 , G06F18/25 , G06N3/0464 , G06N3/048 , G06N3/084
Abstract: 本发明公开一种基于多尺度卷积与图池化网络的跨时段脑纹识别方法，采用多尺度卷积网络动态地提取脑电信号的时域表示，同时利用图池化网络以数据驱动的方式揭示通道间的内在关系，并通过有效融合从时域和空域中挖掘出的身份特征，实现对跨时段脑电信号的准确分类。本发明在模型训练过程中不需要提前获取待识别脑电数据，在实际应用场景中具有较高的实用价值，为生物特征识别、身份验证等领域提供了创新性的解决方案。
-
公开(公告)号：CN114757235A
公开(公告)日：2022-07-15
申请号：CN202210512240.4
申请日：2022-05-11
Applicant: 杭州电子科技大学
Abstract: 本发明公开了一种基于共有与特有脑电特征挖掘的情感识别方法，包括如下步骤：步骤1：脑电情感数据的采集,步骤2：对脑电情感数据进行预处理,步骤3：建立基于共有与特有脑电特征情感识别模型的目标函数,步骤4：根据目标函数得出需要迭代优化的表达式；步骤5：将步骤2中预处理好的脑电数据输入目标函数中，根据步骤4得出的更新表达式，不断迭代优化，得到被试者的情感状态标签。另外，本发明能针对性地利用某一类情感状态对应的特有特征以及所有情感状态的共有特征，让模型除了有更好地识别情感状态的性能之外，还可以发现情感状态和特定特征之间的联系，从而能更有效率地捕捉到情感状态。
-
-
-
-
-
-
-
-
-
Search Results
10
records
(took 0.02 seconds)
