-
公开(公告)号：CN107168524A
公开(公告)日：2017-09-15
申请号：CN201710255191.X
申请日：2017-04-19
Applicant: 华南理工大学
CPC classification number: G06F3/015 , G06K9/6267
Abstract: 本发明公开了一种基于深度学习混合模型的稳态视觉诱发电位分类方法，包括步骤：1、采用LCD显示器作为刺激源，确定好闪烁频率，选择采集脑电的电极通道，针对多个不同的被试对象进行实验，采集得到稳态视觉脑电信号数据库；2、基于数据库中的短时间序列脑电信号，训练并确定卷积神经网络模型的参数，完成脑电信号特征的自动提取；3、采用卷积深度学习网络的输出作为玻尔兹曼机网络的输入，针对不同被试者对分类网络模型的参数进行微调，确定玻尔兹曼机网络模型的参数。本发明可以很好地实现脑电信号泛化特征的提取，减少脑电信号畸变对信号分类的影响，能够利用短时间长度的脑电信号来很好地完成信号分类。
-
公开(公告)号：CN102133139B
公开(公告)日：2013-05-15
申请号：CN201110027167.3
申请日：2011-01-21
Applicant: 华南理工大学
IPC: A61F2/72
Abstract: 本发明公开了一种假手控制系统及其方法，包括信号采集模块、反馈模块、数据存储模块、数字信号处理模块、驱动模块，主控模块分别与信号采集模块、反馈模块、数据存储模块、数字信号处理模块和驱动模块相连接，主控模块用于协调管理信号采集模块、反馈模块、数据存储模块、数字信号处理模块和驱动模块，信号采集模块连接有用于记录EEG的8个电极、用于记录SEMG的2个电极；该系统能够综合EEG和SEMG信息，实时地解码手部运动的速度、加速度和轨迹，从而实现对假手的灵活控制，且使用自然，无需植入电极，便于维护。
-
公开(公告)号：CN118129733A
公开(公告)日：2024-06-04
申请号：CN202410279344.4
申请日：2024-03-12
Applicant: 华南理工大学
Abstract: 本发明公开了一种典型激光雷达退化场景下的移动机器人定位方法，包括：1)对惯性测量传感器、激光雷达、轮式编码器等传感器数据的预处理；2)结合去除点云畸变的激光雷达点云数据，通过分析激光雷达点云的强度值、计算激光雷达点云法向量矩阵和增量约束差异矩阵来识别退化场景；3)结合激光雷达里程计因子、IMU预积分因子、惯性轮式里程计因子等约束构建非线性优化问题，得到优化完成后的位姿。本发明基于激光雷达惯性紧耦合的定位建图方法，能够得到高精度的定位轨迹和周围环境的几何结构信息，且在典型激光雷达退化场景下可以准确识别退化场景并根据场景调整里程计计算方法，具有较好的鲁棒性与精度，本发明具有较高的灵活性和可移植性。
-
公开(公告)号：CN116450788A
公开(公告)日：2023-07-18
申请号：CN202310304810.5
申请日：2023-03-24
Applicant: 华南理工大学
IPC: G06F16/332 , G06F18/2415 , G06F18/25 , G06F40/30 , G06V10/40 , G06V10/82 , G06N3/045 , G06N3/0455 , G06N3/0464 , G06N3/047 , G06N3/084
Abstract: 本发明公开了一种医学视觉问答的实现方法、装置及存储介质，其中方法包括：获取输入信息，将输入信息输入训练后的医学视觉问答模型，输出回答信息；其中，医学视觉问答模型通过以下方式获得：获取医学图像‑问答文本对；获取图像编码特征向量Fv；获取文本编码特征向量Fq；将图像编码特征向量Fv和文本编码特征向量Fq进行向量拼接，获得图像‑文本编码特征向量Fc，获得带注意力增强表示的图像‑文本融合特征向量Fcm；获取预测答案以及不确定性估计结果；对模型进行训练，获得带不确定估计的医学视觉问答模型。本发明在医学问答模型中加入贝叶斯不确定性估计方法，以估计模型自身输出结果的不确定性，获得更可靠的答案，可广泛应用于生物医学领域。
-
公开(公告)号：CN113017645A
公开(公告)日：2021-06-25
申请号：CN202110207669.8
申请日：2021-02-25
Applicant: 华南理工大学
Abstract: 本发明公开了一种基于空洞卷积神经网络的P300信号检测方法，包括步骤：1)采用P300字符拼写器进行实验，提取脑电信号即EEG作为训练集和测试集；2)所采集到的数据经过预处理操作，然后作为模型的输入数据集；3)设计空洞卷积神经网络，先使用一层标准卷积作为EEG数据集的空域滤波器，再设计一个基于空洞卷积的特征提取器获取多尺度时域特征，再通过一层标准卷积提取更高层级的时域特征后，经过下采样，最后添加全连接层作为网络输出，然后训练网络确定模型参数；4)通过计算网络的字符识别率和信息转化率来验证模型的性能。本发明方法具有结构简单，泛化能力强，字符识别准确率高，并有良好的信息转化率等特点。
-
Patent Agency Ranking
公开(公告)号：CN111723661A
公开(公告)日：2020-09-29
申请号：CN202010417830.X
申请日：2020-05-18
Applicant: 华南理工大学
Abstract: 本发明公开了一种基于流形嵌入分布对齐的脑机接口迁移学习方法，包含以下步骤：分别获取源受试者的EEG数据和目标受试者的EEG数据；对EEG数据进行预处理和特征提取；构建基于流形嵌入分布对齐的迁移学习模型，利用数据对迁移学习模型进行训练，得到训练模型；利用训练得到的分类器对目标受试者的无标签的EEG数据进行分类。本发明在黎曼切平面映射和流形特征变换的基础上，把特征分布对齐集成到分类器的训练当中，训练得到一个有效的分类器。本发明能够有效提高目标用户使用的脑机接口系统的性能，并减轻用户的训练负担。
-
公开(公告)号：CN110353702A
公开(公告)日：2019-10-22
申请号：CN201910591898.7
申请日：2019-07-02
Applicant: 华南理工大学
IPC: A61B5/16 , A61B5/0476 , A61B5/00 , G06K9/62
Abstract: 本发明属于情感识别技术领域，涉及一种基于浅层卷积神经网络的情感识别方法及系统。通过脑电信号预处理，依据FBCSP特征提取方法设计浅层卷积神经网络，基于训练好的浅层卷积神经网络模型，对预处理后的脑电信号进行分类，得到情感识别结果。结合目前对脑电信号分类效果显著的FBCSP算法和卷积神经网络，并将其应用于情感脑电识别，能够显著提高不同情绪的识别准确率，而且对于不同的被试个体有着更好的泛用性。采用浅层卷积网络对处理后的情感脑电信号进行分类，比传统特征提取方法识别效果更好，在情感识别研究领域有着很好的应用前景。
-
公开(公告)号：CN106371590B
公开(公告)日：2019-06-18
申请号：CN201610761426.8
申请日：2016-08-29
Applicant: 华南理工大学
Abstract: 本发明公开了一种基于OpenVIBE的高性能运动想象在线脑机接口系统，包括信号采集设备、信号测试脚本、信号采集脚本、数据训练脚本以及在线实验脚本，其中，信号测试脚本连接信号采集设备，通过信号测试脚本检测信号质量，再通过信号采集脚本设置实验参数并进行运动想象实验数据采集，然后使用数据训练脚本基于RSTFC算法实现时空滤波分类器的训练，并得到具体的时空滤波分类器导入所述在线实验脚本，在线实验脚本根据训练得到的时空滤波分类器实现高性能的运动想象在线脑机接口系统。本发明采用模块化的设计方法提高了系统的可读性和灵活性，便于进行功能扩展，极大的提高了研究人员的工作效率，并且具有准确度高、性能好的优点。
-
公开(公告)号：CN103955270B
公开(公告)日：2017-02-22
申请号：CN201410148541.9
申请日：2014-04-14
Applicant: 华南理工大学
IPC: G06F3/01
Abstract: 本发明公开了一种基于P300的脑机接口系统的字符高速输入方法，采用基于Bayesian框架的DSC算法，计算出当前闪烁字符成为目标字符的后验概率并进行处理，其实现主要分为两个阶段：1）训练阶段：采集受试者的训练数据，完成预处理、特征提取、训练Bayesian LDA（BLDA）分类器，并得到P300与non-P300两类响应的概率密度函数（即先验分布）；2）测试阶段：根据先验分布以及在线获取的脑电特征向量，计算当前闪烁字符成为目标字符的后验概率，此概率值用于：a）动态缩短闪烁字符序列的长度，即将后验概率低的字符从闪烁序列中剔除；b）动态输出目标字符，即将此概率与预先设定的输出阈值比较，若大于该阈值则输出该字符。本发明在不影响字符输入准确率的前提下，能够明显提高输入速度。
-
公开(公告)号：CN102133139A
公开(公告)日：2011-07-27
申请号：CN201110027167.3
申请日：2011-01-21
Applicant: 华南理工大学
IPC: A61F2/72
Abstract: 本发明公开了一种假手控制系统及其方法，包括信号采集模块、反馈模块、数据存储模块、数字信号处理模块、驱动模块，主控模块分别与信号采集模块、反馈模块、数据存储模块、数字信号处理模块和驱动模块相连接，主控模块用于协调管理信号采集模块、反馈模块、数据存储模块、数字信号处理模块和驱动模块，信号采集模块连接有用于记录EEG的8个电极、用于记录SEMG的2个电极；该系统能够综合EEG和SEMG信息，实时地解码手部运动的速度、加速度和轨迹，从而实现对假手的灵活控制，且使用自然，无需植入电极，便于维护。
-
-
-
-
-
-
-
-
-
Search Results
46
records
(took 0.024 seconds)
