-
公开(公告)号：CN118861628A
公开(公告)日：2024-10-29
申请号：CN202410990664.0
申请日：2024-07-23
IPC分类号： G06F18/213 , A61B5/372 , A61B5/377 , A61B5/388 , A61B5/00 , G06F18/214 , G06N3/049 , G06N3/048 , G06N3/084
摘要： 本发明公开了一种基于双重自注意力机制的大脑神经元锋电位序列特征提取方法，包括：采用运动脑机接口获取大脑神经元锋电位数据，预处理后划分为训练集、验证集和测试集；构建双重自注意力机制的时间序列预测模型，模型包含一个位置编码层和一个时序嵌入层，随后是多个双重注意力编码模块构成的编码器；整个编码器外层具有一个平稳化‑去平稳化框架和一个分段注意力框架，最后模型包含一个线性时序预测层；构建交叉熵损失函数，对构建的时间序列预测模型进行训练和评估；使用训练后的模型，进行锋电位时序预测。本发明具有较快计算速度，可以提升锋电位序列特征提取流程的速度，在不同数据集上的预测保持较高的一致性。
-
公开(公告)号：CN117398110A
公开(公告)日：2024-01-16
申请号：CN202311305732.7
申请日：2023-10-10
摘要： 本发明公开了一种基于状态相关卷积稀疏模型的脑电信号模式识别方法，针对现有卷积稀疏编码难以识别与状态相关的生物标记物的问题，使用状态共有与状态特有波形进行建模，明确区分脑电信号在不同状态下的波形特征。基于此，本发明采用波形不一致性约束，以高效识别与某些状态相关的潜在生物标志物，且识别的潜在生物标志物具有较好的可解释性，可以作为辅助医疗诊断的有效工具。
-
公开(公告)号：CN116432521B
公开(公告)日：2023-11-03
申请号：CN202310275220.4
申请日：2023-03-21
申请人： 浙江大学
IPC分类号： G06F30/27 , G06V30/19 , G06V30/244 , G06N3/0464 , G06N3/08 , G06F111/04
摘要： 本发明公开了一种基于多模态重建约束的手写汉字识别和检索方法，包括：(1)获取从硬件记录得到的手写汉字坐标点序列进行预处理；(2)构建基于多模态重建约束的特征提取模型，其中，特征提取模型包括嵌入层、特征提取层和特征优化层；特征提取层基于多头注意力机制，包含手写汉字序列重建和手写汉字图像重建的多模态预训练任务；特征提取模型在训练时采用不同的辅助特征提取模块，包括辅助序列重建约束的线性模型和辅助图像重建约束的UNet模型；(3)预训练结束后，使用特征提取模块输出的特征微调分类器；(4)利用特征提取模型和分类器进行在线手写汉字输入的识别与检索。本发明可以提升手写汉字识别和检索的准确率。
-
公开(公告)号：CN115358367B
公开(公告)日：2023-04-18
申请号：CN202210950240.2
申请日：2022-08-09
申请人： 浙江大学
IPC分类号： G06F18/214 , G06F18/241 , G06N3/04 , G06N3/08
摘要： 本发明公开了一种基于多模型学习集成的动态自适应脑机接口解码方法，在训练过程中使用迭代方式自主学习多个线性模型，并在脑机接口系统测试解码过程中，根据数据情况自动切换线性模型，实现自适应脑信号解码。通过上述自主学习多模型，并分时集成的策略，能够融合刻画不同特征线性解码器的能力，提高运动脑机接口系统的准确性和稳定性，在一定程度上解决了脑机接口系统因神经信号非稳态性造成的解码性能不稳定问题。
-
公开(公告)号：CN114925734A
公开(公告)日：2022-08-19
申请号：CN202210849758.7
申请日：2022-07-20
申请人： 浙江大学
摘要： 本发明公开了一种基于神经拟态计算的在线神经元分类方法，将大脑皮层采集的神经元锋电位信号通过场编码转换成脉冲信号，借助脉冲神经网络分类不同波形及对应时间戳，实现在线神经元锋电位信号分类；同时，通过脉冲神经网络在线更新方法，适应神经元锋电位波形的在线变化，提升长时在线神经元锋电位分类准确性。本方法具有较快计算速度，可以提升锋电位分类流程的速度，在不同数据集上的分类保持较高的一致性，且有助于植入芯片的部署。
-
公开(公告)号：CN113298242B
公开(公告)日：2022-08-05
申请号：CN202110636399.2
申请日：2021-06-08
申请人： 浙江大学
摘要： 本发明公开了一种基于脉冲神经网络的脑机接口解码方法，包括：(1)构建基于脉冲神经网络的液体状态机模型，液体状态机模型由输入层、中间层和输出层构成；其中，输入层至中间层的连接权重为Whx，中间层内部的循环连接权重为Whh，中间层到输出层的读取权重为Wyh；(2)输入脉冲脑电信号，并采用以下策略训练各个权重：(2‑1)采用STDP无监督训练连接权重Whx；(2‑2)采用距离模型加随机连接的方式设置中间层循环连接权重Whh；(2‑3)采用岭回归有监督训练连接权重Wyh，并建立中间层液态信息R(t)和输出运动信息Y(t)之间的映射，最终输出预测的运动轨迹。利用本发明，可以在较短时间内快速训练模型，实时预测手臂运动轨迹，提升效率和准确率。
-
公开(公告)号：CN113298242A
公开(公告)日：2021-08-24
申请号：CN202110636399.2
申请日：2021-06-08
申请人： 浙江大学
摘要： 本发明公开了一种基于脉冲神经网络的脑机接口解码方法，包括：(1)构建基于脉冲神经网络的液体状态机模型，液体状态机模型由输入层、中间层和输出层构成；其中，输入层至中间层的连接权重为Whx，中间层内部的循环连接权重为Whh，中间层到输出层的读取权重为Wyh；(2)输入脉冲脑电信号，并采用以下策略训练各个权重：(2‑1)采用STDP无监督训练连接权重Whx；(2‑2)采用距离模型加随机连接的方式设置中间层循环连接权重Whh；(2‑3)采用岭回归有监督训练连接权重Wyh，并建立中间层液态信息R(t)和输出运动信息Y(t)之间的映射，最终输出预测的运动轨迹。利用本发明，可以在较短时间内快速训练模型，实时预测手臂运动轨迹，提升效率和准确率。
-
公开(公告)号：CN112764526A
公开(公告)日：2021-05-07
申请号：CN202011593629.3
申请日：2020-12-29
申请人： 浙江大学
摘要： 本发明公开了一种基于多模型动态集成的自适应脑机接口解码方法，对传统状态空间模型进行改进，使用一组而非一个固定的函数来动态表征观测变量与状态变量之间的关系；通过采用多个线性、非线性解码器，并在脑机接口系统解码过程中，根据数据情况自动切换解码器，实现自适应脑信号解码。通过上述多模型分时集成策略，能够融合线性、非线性解码器能力，提高脑机接口系统的准确性和稳定性，一定程度解决了脑机接口系统因神经信号非平稳性造成的解码不稳定问题。
-
公开(公告)号：CN102824172B
公开(公告)日：2014-03-19
申请号：CN201210308790.0
申请日：2012-08-28
申请人： 浙江大学
IPC分类号： A61B5/0476
摘要： 本发明公开了一种脑电特征提取方法，包括以下步骤：去除背景脑电数据和待处理脑电数据中的伪迹，分别获得背景脑电数据和待处理脑电数据的有效频段，分别将背景脑电数据和待处理脑电数据的有效频段分为若干数据段；对每个数据段分别提取时频特征和形态特征，得到每个数据段相应的时频特征值和形态特征值；利用背景脑电数据每个数据段的时频特征值和形态特征值，计算得到特征值的频率分布函数；利用背景脑电数据的频率分布函数，得到待处理脑电数据每个数据段的时频特征值出现的概率和形态特征值出现的概率；利用特征值的概率计算得到IMF-VoE特征值。利用IMF-VoE特征值可以快速有效识别脑电信号的变化特征，监测大脑状态。
-
公开(公告)号：CN118939942A
公开(公告)日：2024-11-12
申请号：CN202410990668.9
申请日：2024-07-23
申请人： 浙江大学
摘要： 本发明公开了一种基于神经元发放相关性的脑电数据去噪方法，包括：(1)获取脑电数据，预处理后得到去噪训练集；(2)设计基于对比学习的多分支神经网络模型，利用多分支的注意力机制网络来学习不同神经元之间的相关性模式，计算得到相关性噪声向量，再将脑电数据减去该噪声向量后得到去噪后的脑电数据；(3)利用去噪训练集对模型进行训练，训练过程中加入针对神经元发放相关性的约束；计算去噪后数据的神经元类内和类间相关性并以一定权重加入到需要优化的总体损失函数中；(4)将脑电数据输入训练好的模型，得到去噪后的脑电数据。本发明可以在一定程度缓解相关性噪声对脑电数据信息量的抑制作用，有效提高脑电数据的质量和解码效果。
-
-
-
-
-
-
-
-
-
搜索结果
48 条记录 (耗时 0.026 秒)
