-
公开(公告)号：CN109299751B
公开(公告)日：2022-05-31
申请号：CN201811420448.3
申请日：2018-11-26
Applicant: 南开大学
Abstract: 本发明涉及脑机接口、人工智能与模式识别的算法，更具体地，涉及基于EMD数据增强的卷积神经模型的SSVEP脑电分类方法，可应用于医疗器械、人机交互、机器人控制等领域。该方法首先对原始脑电数据进行预处理，预处理后采用经验模式分解方法分解原始脑电数据，混合生成大量符合原始脑电信号时频域特点的人造脑电数据，将人造脑电数据与原始脑电数据合并，用于神经网络的参数训，从而实现使用少量脑电数据有效训练网络参数的效果。最后采用复Morlet小波变换生成脑电张量，将原始的时域数据转换为集合时域、频域和空间信息的张量字典作为神经网络的输入，使用卷积神经网络模型对数据增强后的脑电训练集进行分类。
-
公开(公告)号：CN109598222B
公开(公告)日：2023-04-07
申请号：CN201811419474.4
申请日：2018-11-26
Applicant: 南开大学
Inventor： 段峰 , 孙哲 , 张志文 , 杨征路 , 乔治·苏来·卡萨尔斯
Abstract: 本发明涉及脑机接口、人工智能与模式识别的算法，更具体地，涉及基于EEMD数据增强的小波神经网络运动想象脑电分类方法，可应用于医疗器械、人机交互、机器人控制等领域。包括如下步骤：采集电脑数据，针对时序脑电信号，采用EEMD方法生成人造数据进行数据增强用于神经网络参数训练。相较于传统的EMD方法，EEMD通过将白噪声加入待分解信号，通过零均值噪声的特性，通过集成均值IMF更好地解决了模式混叠的问题，生成区别度更大的人造脑电数据。同时构建小波神经网络模型提取运动想象脑电数据的特征来判别它们的分类。
-
公开(公告)号：CN109598222A
公开(公告)日：2019-04-09
申请号：CN201811419474.4
申请日：2018-11-26
Applicant: 南开大学
Inventor： 段峰 , 孙哲 , 张志文 , 杨征路 , 乔治·苏来·卡萨尔斯
IPC: G06K9/00
Abstract: 本发明涉及脑机接口、人工智能与模式识别的算法，更具体地，涉及基于EEMD数据增强的小波神经网络运动想象脑电分类方法，可应用于医疗器械、人机交互、机器人控制等领域。包括如下步骤：采集电脑数据，针对时序脑电信号，采用EEMD方法生成人造数据进行数据增强用于神经网络参数训练。相较于传统的EMD方法，EEMD通过将白噪声加入待分解信号，通过零均值噪声的特性，通过集成均值IMF更好地解决了模式混叠的问题，生成区别度更大的人造脑电数据。同时构建小波神经网络模型提取运动想象脑电数据的特征来判别它们的分类。
-
公开(公告)号：CN109299751A
公开(公告)日：2019-02-01
申请号：CN201811420448.3
申请日：2018-11-26
Applicant: 南开大学
Abstract: 本发明涉及脑机接口、人工智能与模式识别的算法，更具体地，涉及基于EMD数据增强的卷积神经模型的SSVEP脑电分类方法，可应用于医疗器械、人机交互、机器人控制等领域。该方法首先对原始脑电数据进行预处理，预处理后采用经验模式分解方法分解原始脑电数据，混合生成大量符合原始脑电信号时频域特点的人造脑电数据，将人造脑电数据与原始脑电数据合并，用于神经网络的参数训，从而实现使用少量脑电数据有效训练网络参数的效果。最后采用复Morlet小波变换生成脑电张量，将原始的时域数据转换为集合时域、频域和空间信息的张量字典作为神经网络的输入，使用卷积神经网络模型对数据增强后的脑电训练集进行分类。
-
-
-
Search Results
4
records
(took 0.017 seconds)
