-
公开(公告)号：CN113974627A
公开(公告)日：2022-01-28
申请号：CN202111248689.6
申请日：2021-10-26
Applicant: 杭州电子科技大学
IPC: A61B5/16 , A61B5/369 , A61B5/378 , A61B5/00 , G06K9/62 , G06N3/04 , G06N3/08 , G06V40/70 , G06V10/764 , G06V10/766 , G06V10/774 , G06V10/82
Abstract: 本发明公开一种基于脑机生成对抗的情绪识别方法。针对情绪识别任务，人脑处理信息后得到的是具有情感的认知表征，而机器学习到的仅仅是图像的形式表征，如果能够建立两者之间的生成关系，通过“人脑”引导“机器”学习，将人脑的情感认知能力赋予机器。为了将人脑感知的信息赋予机器，需要建立图像视觉特征到脑电情感特征的生成模型，从而实现形式表征到认知表征之间的生成。本发明将探索脑电情感特征与图像视觉特征之间的关系，建立形式表征与认知表征之间的联系，实现脑机协同智能。为了减少认知表征与形式表征间的差异，使得形式表征无限逼近认知表征，本发明设计一种“基于脑机生成对抗的情绪识别方法”。
-
公开(公告)号：CN113537292A
公开(公告)日：2021-10-22
申请号：CN202110678075.5
申请日：2021-06-18
Applicant: 杭州电子科技大学
Abstract: 本发明公开一种基于张量化高阶互注意力机制的多源域适应方法。通过共享子网络构建初级特征提取器以提取多源域数据的浅层共有特征。其次，分别构造不同源域的深层特征提取器，目标域数据分别通过这些深层特征提取器以提取与不同源域相关的特征。在深层特征的基础上，通过高阶互注意力机制挖掘多源域空间深层特征之间的高阶相关性，并应用于目标域，从而与度量目标域与源域特征分布差异的损失函数一起指导目标域与源域的域不变特征提取。最后，分别训练每个源域的特征分类器，将目标域数据特征分别输入这些分类器，得到所有预测结果的平均作为最终目标域数据的预测结果。本发明有效挖掘多源域特征间的相关性，适用于多源域适应。
-
公开(公告)号：CN109117790B
公开(公告)日：2021-10-22
申请号：CN201810921009.4
申请日：2018-08-14
Applicant: 杭州电子科技大学 , 福建中医药大学附属康复医院
Abstract: 本发明涉及一种基于频空指标的脑纹识别方法。本发明主要采用频空指标来计算脑电信号的特征，并通过Fisher线性判别来实现不同个体的识别。本发明包括数据采集、数据预处理、频空特征向量计算、频空特征向量降维、频空特征向量分类。分类结果表明：采用频空指标作为生物识别特征，得到了较好的分类结果，能够有效得对不同个体进行脑纹识别。与传统的生物识别特征相比，基于脑电的频空特征更为安全和隐蔽，是一种很有前景的生物特征模态。
-
公开(公告)号：CN113191395A
公开(公告)日：2021-07-30
申请号：CN202110373684.X
申请日：2021-04-07
Applicant: 杭州电子科技大学
Abstract: 本发明公开了一种基于双脑的多层次信息融合的目标检测方法。该方法包括数据获取、数据处理、模型训练与分类四个步骤。提出一种双被试、同任务的RSVP范式，使用双人的EEG信号来进行P300检测，并针对该范式提出了一种基于多层次信息融合的HyperscanNet神经网络模型来进行目标检测，在数据处理阶段通过超扫描特征模块与原始特征模块，分别进行特征层融合与数据层融合，然后对超扫描特征模块进行处理后，将其提取的深层次特征与原始特征模块提取的浅层次特征一起输入到支持向量机中，实现HyperscanNet神经网络模型的训练，最后进行脑电数据的分类、检测。该方法实现了范式和检测方法的创新。
-
公开(公告)号：CN113011239A
公开(公告)日：2021-06-22
申请号：CN202011399435.X
申请日：2020-12-02
Applicant: 杭州电子科技大学
Abstract: 本发明公开一种基于最优窄频带特征融合的运动想象分类方法。本发明将四分类运动想象任务整合成4个二分类运动想象任务，然后对于每2类运动想象任务，均获取1个最优窄频带，总共得到4个最优窄频带；利用最优窄频带对每2类运动想象脑电信号进行带通滤波，然后对滤波后脑电信号进行特征提取，生成维度为32×7的结果矩阵；构建深度卷积神经网络模型，输入为32×7的结果矩阵，输出为脑电信号预测类别。本发明通过一种新颖的四叉搜索树自动确定最优窄频带，并通过共空间模式算法提取动态能量特征，最后将多个窄频带通过卷积神经网络进行特征融合，并实现多类别运动想象脑电信号的分类。
-
Patent Agency Ranking
公开(公告)号：CN112612936A
公开(公告)日：2021-04-06
申请号：CN202011581373.4
申请日：2020-12-28
Applicant: 杭州电子科技大学
IPC: G06F16/906 , G06K9/62 , G06N3/04 , G06N3/08
Abstract: 本发明公开一种基于对偶转换网络的多模态情感分类方法。本发明结合对偶学习机制以及自注意力机制，在将一个模态转换为另一个模态的过程中，挖掘模态对之间具有方向性的长时交互的跨模态融合信息。同时，对偶学习技术能够增强模型的鲁棒性，因此能很好地应对多模态学习中存在的固有问题——模态数据缺失问题。其次，在此基础上构建的分层融合框架，将所有具有同一个源模态的跨模态融合信息拼接在一块，从而采用一维卷积层进行融合操作，能够进一步挖掘多模态信息之间的高层次互补信息，是对当前情感识别领域的多模态融合框架的有效补充。
-
公开(公告)号：CN112450946A
公开(公告)日：2021-03-09
申请号：CN202011206585.4
申请日：2020-11-02
Applicant: 杭州电子科技大学
Abstract: 本发明公开了一种基于循环生成对抗网络的脑电伪迹修复的方法。由于脑电数据没有严格一一对应的无伪迹EEG数据和有伪迹的EEG数据，传统的方法并不能很好验证是否将感兴趣的信息也一并去除。本发明设计了基于循环生产对抗网络，将有伪迹EEG数据处理后仍能保留住感兴趣的信息。首先根据设计的范式获取数据；其次并进行必要的预处理并将数据根据类别分离；然后设置训练参数，将数据导入训练网络，最后得到去除伪迹而保留兴趣信息的EEG数据。与传统的伪迹去除方法相比，基于循环生成对抗网络的脑电伪迹修复，在修复后的EEG数据上更能保留感兴趣的信息，有助于进行后续研究。
-
公开(公告)号：CN112163486A
公开(公告)日：2021-01-01
申请号：CN202010991868.8
申请日：2020-09-18
Applicant: 杭州电子科技大学
Abstract: 本发明公开了一种基于基于深度学习与稀疏学习相结合的脑电通道优化方法。本发明首先利用模型驾驶实验来收集数据集，通过数据扩充使源域和目标域中的样本趋于平衡，对已经平衡的样本进行稀疏学习和域对抗学习，其设计初衷是同时最小化标签预测器和与判别器的损失值；基于该目的我们设计了目标函数将，并通过添加L21norm来使得模型具备特征选择的能力，除此之外我们还使用了GAN，在一定程度上提高了模型的鲁棒性和泛化能力。最后，在实验评估阶段，一方面单独评估了本发明的性能，还让其与其他的通道优化算法项比较，并取得了独一无二的优势。另一方面在保证准确率的前提下，可以有效减少通道的数量，从而减轻系统的负担和开销。
-
公开(公告)号：CN109655815B
公开(公告)日：2020-07-07
申请号：CN201811407252.0
申请日：2018-11-23
Applicant: 杭州电子科技大学
Abstract: 本发明公开了基于SSD的声呐目标检测方法。当下的水下目标检测识别方法难以精准的同步识别多个目标。本发明如下：一、建立SSD神经网络模型。二、用需要被识别的声呐数据生成n张被测声呐图像。三、将被测声呐图像送入SSD神经网络模型，获取特征图。四、对特征图设置检测框。五、将检测框输入两个卷积核，获取检测框针对各个目标类别的类别分数以及形状偏移量。六、确定被测声呐图像含有的目标类型，并框选出所有目标。本发明将深度学习技术融入到声呐目标检测中，将声呐数据生成的声呐图像输入SSD神经网络模型中，在模型中一次性完成特征提取、目标检测、目标分类，从而大大提高检测速度。
-
公开(公告)号：CN106983633A
公开(公告)日：2017-07-28
申请号：CN201710231120.6
申请日：2017-04-11
Applicant: 杭州电子科技大学
IPC: A61H1/02 , A63B23/04 , A63B24/00 , A61B5/0476
CPC classification number: A61H1/0237 , A61B5/04012 , A61B5/0476 , A61H2201/1207 , A61H2201/164 , A61H2201/50 , A61H2201/5058 , A61H2201/5069 , A61H2205/10 , A61H2230/105 , A63B23/04 , A63B24/0075 , A63B24/0087 , A63B2220/00 , A63B2230/105
Abstract: 本发明公开了一种用于中风的嵌入式康复装置。本发明包括脑电信号处理装置和康复装置，脑电信号处理装置设置在康复装置内部；其中脑电信号处理装置包括无线蓝牙接收器、嵌入式单板计算机；康复装置包括壳体和内部结构，具体包括踏板、固定带、踏板支架、滚珠丝杆、直线导轨、底座、直流无刷电机、霍尔传感器、角度传感器；所述的脑电信号处理装置是用于对脑电信号进行特征提取与分类处理；康复装置用于支撑患者肢体的运动机构。本发明将嵌入式脑机交互技术运用到中风康复器械中，改善传统器械中体积大，使用不方便，难以升级优化的缺点，特别适合用于行动不便意识清醒的中风病人的长期康复训练。
-
-
-
-
-
-
-
-
-
Search Results
161
records
(took 0.02 seconds)
