-
Patent Agency Ranking
公开(公告)号：CN107844755B
公开(公告)日：2021-07-13
申请号：CN201710993587.4
申请日：2017-10-23
Applicant: 重庆邮电大学
Abstract: 本发明请求保护一种结合降噪自动编码机和卷积神经网络的脑电信号特征提取与分类方法，该方法包括步骤：通过脑电信号采集仪采集脑电数据；对采集到的数据进行去除异样样本、去均值、信号滤波等预处理；使用加入噪声系数的自动编码机对脑电信号进行训练；将降噪自动编码机的隐含层作为特征数据输出；再将所得特征数据转化为类似图像格式；利用卷积神经网络进行分类；最后利用测试数据集对训练好的网络进行性能测试。本发明相对其余传统方法能够获得更高的分类准确率，更强的鲁棒性。
-
公开(公告)号：CN106529476B
公开(公告)日：2019-09-10
申请号：CN201610993354.X
申请日：2016-11-11
Applicant: 重庆邮电大学
Abstract: 本发明公开了一种基于深层堆叠网络的脑电信号特征提取及分类方法，首先使用Emotiv脑电信号采集仪采集脑电信号数据；对脑电信号进行去均值、滤波、归一化等预处理；然后使用多个受限玻尔兹曼机对单通道的脑电信号进行独立预训练，提取单个通道的脑电信号，将训练得到的参数用于神经网络的参数初始化；最后采用批量梯度下降的方法对网络进行微调，对各通道的脑电信号特征进行有效融合；对网络进行性能测试并实现分类。本发明能够获得较高的分类准确率。
-
公开(公告)号：CN107844755A
公开(公告)日：2018-03-27
申请号：CN201710993587.4
申请日：2017-10-23
Applicant: 重庆邮电大学
CPC classification number: G06K9/00523 , A61B5/0476 , A61B5/7203 , A61B5/7235 , A61B5/7264 , G06K9/00536 , G06K9/40 , G06K9/6267 , G06N3/0454 , G06N3/084
Abstract: 本发明请求保护一种结合降噪自动编码机和卷积神经网络的脑电信号特征提取与分类方法，该方法包括步骤：通过脑电信号采集仪采集脑电数据；对采集到的数据进行去除异样样本、去均值、信号滤波等预处理；使用加入噪声系数的自动编码机对脑电信号进行训练；将降噪自动编码机的隐含层作为特征数据输出；再将所得特征数据转化为类似图像格式；利用卷积神经网络进行分类；最后利用测试数据集对训练好的网络进行性能测试。本发明相对其余传统方法能够获得更高的分类准确率，更强的鲁棒性。
-
公开(公告)号：CN106599577A
公开(公告)日：2017-04-26
申请号：CN201611147495.6
申请日：2016-12-13
Applicant: 重庆邮电大学
Abstract: 本发明涉及一种结合RBM和特征选择的列表级排序学习方法，包括步骤：修改传统RBM可见层和隐含层的重构方式，将训练集数据输入多层RBM网络进行预训练；用多层RBM预训练所得参数对多层神经网络的参数进行初始化，得到一个训练集上的较优模型；定义基于交叉熵的损失函数并采用梯度下降法进行优化，通过验证集确定最优排序函数，微调神经网络权值；根据排序函数的系数值，选出权值最大的K个特征，组建新的数据集；根据新的数据集重新训练出最优排序函数，并对测试集进行排序，输出评价标准值。本方法具有训练时间短和排序结果评价标准值高的优点。
-
公开(公告)号：CN106529476A
公开(公告)日：2017-03-22
申请号：CN201610993354.X
申请日：2016-11-11
Applicant: 重庆邮电大学
Abstract: 本发明公开了一种基于深层堆叠网络的脑电信号特征提取及分类方法，首先使用Emotiv脑电信号采集仪采集脑电信号数据；对脑电信号进行去均值、滤波、归一化等预处理；然后使用多个受限玻尔兹曼机对单通道的脑电信号进行独立预训练，提取单个通道的脑电信号，将训练得到的参数用于神经网络的参数初始化；最后采用批量梯度下降的方法对网络进行微调，对各通道的脑电信号特征进行有效融合；对网络进行性能测试并实现分类。本发明能够获得较高的分类准确率。
-
-
-
-
Search Results
5
records
(took 0.021 seconds)
