-
公开(公告)号：CN117332300A
公开(公告)日：2024-01-02
申请号：CN202311332589.0
申请日：2023-10-16
Applicant: 安徽大学
IPC: G06F18/24 , G06F18/213 , G06F18/15 , G06F18/214
Abstract: 本发明属于脑电信号处理技术领域，具体涉及一种基于自注意力改进域适应网络的运动想象脑电分类方法、系统和设备。该方法包括如下步骤：S1：获取源域和目标域的原始脑电信号。S2：对源域和目标域中的脑电信号进行带通滤波和标准化。S3：构建基于迁移学习策略的脑电信号分类网络，其输入为源域和目标域的脑电信号，输出为源域脑电信号的分类结果。S4：利用深度学习梯度下降方式，通过源域和目标域的脑电信号对脑电信号分类网络进行训练。S5：利用经过测试的脑电信号分类网络作为预测模型对运动脑电信号进行识别，预测出对应的运动想象类型。本发明解决了现有用于脑电信号解码的机器学习算法受限于训练数据不足而导致识别精度不高的问题。
-
公开(公告)号：CN118364370A
公开(公告)日：2024-07-19
申请号：CN202410529818.6
申请日：2024-04-29
Applicant: 安徽大学
IPC: G06F18/2413 , G06F18/2415 , G06F18/213 , G06N3/0464 , G06N3/084 , G06N3/096
Abstract: 本发明涉及脑电信号处理技术领域，具体涉及一种运动想象脑电分类方法、系统和设备。该方法包括如下步骤：S3：将目标域的脑电信号数据输入至脑电信号分类网络模型中得到预测出对应的运动想象类型；所述脑电信号分类网络模型优化方法为：S2：通过源域和目标域对初始脑电信号分类网络模型进行训练，并根据源域脑电信号数据的预测输出结果和真实标签计算分类交叉熵损失LCE，根据目标域脑电信号数据的预测输出结果计算最小类混淆损失LMCC；将两者损失联合组成优化函数，以优化所述初始脑电信号分类网络模型得到所述脑电信号分类网络模型。本发明缩小了源域和目标域脑电信号数据跨时段分布差异，使脑电信号网络模型对目标域的预测更加准确。
-
公开(公告)号：CN105973774A
公开(公告)日：2016-09-28
申请号：CN201610073976.0
申请日：2016-01-29
Applicant: 安徽大学 , 合肥前瞻智能科技有限公司
CPC classification number: G01N15/06 , G01C5/06 , G01N2015/0096 , G01N2015/0693
Abstract: 本发明公开了一种基于无人机平台的空气质量检测系统，包括有搭载于无人机机身内的空气粉尘传感器、数据传输模块、高度气压传感器、Arduino单片机控制器,无人机通电升空后，位于机身上部的空气粉尘传感器开始工作，空气粉尘传感器的LED发光并通过折射率判断空气中粉尘含量，同时高度气压传感器开始工作，高度气压传感器通过当前气压变化判断当前无人机的高度差大小,本发明将无人机上测得的空气质量指数和当前无人机的高度等数据实时传输到地面站，有效测得了像工厂、农田、矿场等污染物高发地段上空具体高度的粉尘指数。
-
公开(公告)号：CN117113269A
公开(公告)日：2023-11-24
申请号：CN202310965817.1
申请日：2023-08-02
Applicant: 安徽大学
IPC: G06F18/25 , G06F18/10 , G06F18/24 , G06N3/0464 , G06F3/01
Abstract: 本发明属于脑电信号技术领域，具体涉及一种基于多尺度卷积和Transformer的运动想象识别方法、系统，以及运动想象脑电信号的解码设备。该识别方法包括如下步骤：S1：对原始脑电信号进行带通滤波和z‑score标准化。S2：通过CSP空域滤波器提取空域特征。S3：构建空间自注意力机制并实现特征通道加权。S4：利用通道卷积和多尺度卷积对加权后的数据进行处理。S5：采用平均池化层将融合特征划分为多个特征切片。S6：构建多头注意力机制提取全局特征。S7：对自注意力模块的输出进行全局平均池化得到精炼特征。S8：对输出进行层归一化后连接到全连接层，通过Softmax函数得到不同类别的预测概率。本发明解决了现有运动想象脑电信号解码的精度较低，实时性不足的问题。
-
-
-
Search Results
4
records
(took 0.015 seconds)
