一种基于双分支网络的表面肌电信号分类方法

    公开(公告)号:CN115137375A

    公开(公告)日:2022-10-04

    申请号:CN202210540067.9

    申请日:2022-05-17

    Abstract: 一种基于双分支网络的表面肌电信号识别方法,包括:S1:采用窗口分析法对原始信号数据预处理;S2:利用机器学习方法对肌电信号各通道进行特征提取,得到一维离散特征x,再采用特殊二维化方法,先对原特征向量x中的m个离散特征信息进行平方处理得x2,再将特征向量x与x2进行笛卡尔积运算,得到二维合成矩阵F;S3:将得到的二维特征矩阵放入CNN网络中,进行多次卷积与池化,提取空间特征信息,得到空间特征图Mapspace;S4:将原始肌电信号进行归一化处理,使得原始数据缩放到同特征二维化后相同的数据范围;S5:将处理后的信息放入GRU网络中训练,提取时间特征信息,得到时间特征图Maptime;S6:使用全连接层融合两个网络训练的参数Mapspace和Maptime,最后通过softmax层进行分类。

    一种基于双分支网络的表面肌电信号分类方法

    公开(公告)号:CN115137375B

    公开(公告)日:2024-11-01

    申请号:CN202210540067.9

    申请日:2022-05-17

    Abstract: 一种基于双分支网络的表面肌电信号识别方法,包括:S1:采用窗口分析法对原始信号数据预处理;S2:利用机器学习方法对肌电信号各通道进行特征提取,得到一维离散特征x,再采用特殊二维化方法,先对原特征向量x中的m个离散特征信息进行平方处理得x2,再将特征向量x与x2进行笛卡尔积运算,得到二维合成矩阵F;S3:将得到的二维特征矩阵放入CNN网络中,进行多次卷积与池化,提取空间特征信息,得到空间特征图Mapspace;S4:将原始肌电信号进行归一化处理,使得原始数据缩放到同特征二维化后相同的数据范围;S5:将处理后的信息放入GRU网络中训练,提取时间特征信息,得到时间特征图Maptime;S6:使用全连接层融合两个网络训练的参数Mapspace和Maptime,最后通过softmax层进行分类。

    一种基于多阶段神经网络的透明物体深度图像修复方法

    公开(公告)号:CN114943654A

    公开(公告)日:2022-08-26

    申请号:CN202210546060.8

    申请日:2022-05-17

    Abstract: 一种基于多阶段神经网络的透明物体深度图像修复方法,包括:读取输入图像进行放缩;预测分割图像;去除深度图像中的噪声;使用动态卷积初步提取特征;提取第一阶段特征;生成第一阶段不同分支的空间注意力图;生成第一阶段不同分支的修复图像;融合第一阶段预测结果;提取第二阶段特征;生成第二阶段修复图像;提取第三阶段特征;生成第三阶段修复图像;融合三个阶段预测结果,得到修复后的深度图像。本发明提升了推理速度,提高了模型精度,脱离了外部环境依赖性,提升了方法的泛化性。

Patent Agency Ranking