-
公开(公告)号：CN113974625B
公开(公告)日：2024-05-03
申请号：CN202111210470.7
申请日：2021-10-18
Applicant: 杭州电子科技大学
IPC: A61B5/16 , A61B5/369 , A61B5/378 , A61B5/00 , G06V10/764 , G06V10/774 , G06V40/70 , G06V10/82 , G06N3/0464 , G06N3/096
Abstract: 本发明公开一种基于脑机跨模态迁移的情绪识别方法。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迁移关系，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，需要建立图像模态与脑电模态的跨模态迁移模型，从而获取形式表征和认知表征之间的迁移关系。本发明将探索脑电模态与图像模态之间的迁移关系，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“基于脑机跨模态迁移的情绪识别方法”。
-
公开(公告)号：CN113977582B
公开(公告)日：2023-04-11
申请号：CN202111341855.7
申请日：2021-11-12
Applicant: 杭州电子科技大学
Abstract: 本发明公开了一种基于DMP的下肢外骨骼上楼梯控制方法。本发明的具体步骤如下：1.上楼梯髋、膝关节角度数据采集。2.对步骤1采集的角度数据进行预处理。3.使用激光测距模块测量楼梯高度与宽度。4.建立DMP步态生成模型。5.利用训练好的DMP模型，实时规划出上楼梯步态轨迹。本发明创新性地对外骨骼运动的髋、膝关节角度曲线进行分段，使用DMP分别对两段曲线进行学习，利用几何关系通过楼梯高度、宽度推算出髋、膝关节的角度，将其作为目标点输入DMP，自动生成相应的上楼梯步态角度曲线。本发明实现了楼梯尺寸数据的自动测量，得到的上楼梯轨迹曲线实验效果良好。
-
Patent Agency Ranking
公开(公告)号：CN113974627B
公开(公告)日：2023-04-07
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 , G06F18/24 , G06F18/214 , G06N3/047 , G06N3/048 , G06N3/088 , G06V40/70
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：CN113977557B
公开(公告)日：2023-03-21
申请号：CN202111371361.3
申请日：2021-11-18
Applicant: 杭州电子科技大学
Abstract: 本发明公开了一种基于运动想象时频空特征的外骨骼机器人控制方法。该方法可将使用者的主动运动意图作为外骨骼的运动指令。本发明提取MI信号在不同通道的多个频带在时间窗口的功率特征，先利用两层全连接层获取多个通道在空间上和频率上的功率关系，然后把不同时间的全连接层输出结果输入BI LSTM中提取时间上的变化特征，训练出基础模型。然后把模型部署在服务器上，每次使用运动想象模型控制外骨骼之前，进行一小段时间的在线训练，提高模型对不同时间段的脑电信号的特征的分类能力。最后使用运动想象左右手的分类结果，控制下肢外骨骼分别做出左腿迈出右腿跟进，或者右腿迈出左腿跟进的动作。
-
公开(公告)号：CN114202031A
公开(公告)日：2022-03-18
申请号：CN202111539029.3
申请日：2021-12-15
Applicant: 杭州电子科技大学
IPC: G06K9/62 , G06N20/00 , G06V10/774
Abstract: 本发明公开一种基于强化学习的多源域迁移目标识别方法。本发明使用强化学习来训练数据选择策略，以选择高质量的源域数据，目的是防止负转移及多个源域和目标域之间存在的域差异。在源域数据上的数据选择器“作用”以找到用于优化TL模型的子集，而TL模型的性能可以提供“奖励”以更新选择器。我们基于SoftActor‑Critic(柔性执行器‑评价器)算法框架构建加强数据选择器，并将其集成到基于DNN的迁移学习模型，从而变成强化迁移学习(RTL)方法。经过不同的状态，奖励和策略优化方法的设置，确认本发明提供的模型的稳健性。对PI和NLI任务的广泛实验表明，本发明提供的模型可以优于具有统计显着改进的现有方法。
-
公开(公告)号：CN114139573A
公开(公告)日：2022-03-04
申请号：CN202111287921.7
申请日：2021-11-02
Applicant: 杭州电子科技大学
Abstract: 本发明公开一种基于脑电信号类多光谱图像序列的身份识别方法，包括以下步骤：设计一个基于运动想象的脑电信号采集实验方案，其中，使用测试图片中不同方向的箭头来诱发对应的运动想象脑电信号。利用带通滤波器来消除原始脑电信号中的眼电伪迹和工频干扰，再利用加窗平均法来得到每一时刻指定节律的平均功率，再结合脑电极的二维分布来生多光谱图像序列，将得到的图像序列视作样本批量送入深度学习模型进行身份识别。本发明选取了运动想象脑电信号进行身份识别，提高了可行性。本发明使用脑电信号构造多光谱图像序列作为样本，充分利用脑电信号的时频域特征和空域特征，同时利用深度学习模型学习各个特征的内在联系，使得模型性能提升和更加鲁棒。
-
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”。
-
-
-
-
-
-
Search Results
27
records
(took 0.038 seconds)
