-
公开(公告)号：CN114239715A
公开(公告)日：2022-03-25
申请号：CN202111535570.7
申请日：2021-12-15
Applicant: 华中科技大学
Abstract: 本发明公开了一种适用于高维输入的TSK模糊系统与优化方法，属于模糊系统优化领域。其中系统包括，一致性降维层、规则前件、规则后件和输出层；一致性降维层，用于对高维输入进行降维，将降维结果同时输入规则前件、规则后件；输出层，将规则前件与规则后件输出结合，作为TSK模糊系统的输出。本发明针对高维输入进行降维得到低维子空间特征，将低维子空间特征同时输入规则前件与规则后件，实现一致性降维；本发明的方法计算效率高且可解释性强，可便捷地与现有各种TSK模糊系统优化方法结合使用，适用于高维数据回归与分类等各种场景。
-
公开(公告)号：CN110782876B
公开(公告)日：2022-03-18
申请号：CN201910999055.0
申请日：2019-10-21
Applicant: 华中科技大学
Abstract: 本发明公开了一种用于语音情感计算的无监督主动学习方法，属于情感计算领域。相比于现有的用于语音情感计算的有监督主动学习方法需要已知少量真实标签并需要和人工专家多次交互，本发明通过多步迭代优化，每轮迭代依次优化待打标样本集Sc中的样本，每次只优化一个样本，每轮迭代中每个样本只优化一次，来选择少量最有价值的待打标样本，使得这些样本能够更好地代表样本集中的所有样本，不需要任何已知标签或现有回归模型，适用于完全无标签的语音数据集，也不需要与专家多次交互，可以一次性向专家提供所有待打标语音样本，限制条件更少，适用范围更广，使用更方便。
-
公开(公告)号：CN114065840A
公开(公告)日：2022-02-18
申请号：CN202111243076.3
申请日：2021-10-25
Applicant: 深圳华中科技大学研究院
Abstract: 本发明涉及一种基于集成学习的机器学习模型调整方法及设备，方法包括以下步骤：构建初始分类模型；所述初始分类模型，为机器学习模型；采用BF方法对所述初始分类模型进行k轮迭代调整，降低初始分类模型的偏差；采用BBF方法对初始分类模型进行多次调整，降低初始分类模型的方差；对多次调整进行平均输出，最终得到调整后的分类模型；设备用于实现方法。本发明有益效果是：提升了机器学习模型的性能，能够在数据量不大的，图像目标分类问题上更好的进行分类，解决了单一模型在这些数据集上容易过拟合的问题，从而提升目标分类的精度。
-
公开(公告)号：CN112396094A
公开(公告)日：2021-02-23
申请号：CN202011204366.2
申请日：2020-11-02
Applicant: 华中科技大学
IPC: G06K9/62
Abstract: 本发明公开了一种同时用于情感分类和回归的多任务主动学习方法和系统，属于情感计算领域。本发明结合主动学习分类方法在EC任务上，和主动学习回归方法在ER任务上对于无标签样本的价值度量，得到主动学习在多个任务上对于无标签样本总的价值度量，同时挖掘类别型情感和维度型情感的信息，从而只需选择尽可能少的样本进行标注，即可同时训练得到具有良好性能的EC模型和单个或多个维度上的ER模型，实验验证，在相同的询问次数下，本发明提出的方法比起单任务的主动学习方法训练得到的EC模型和多个维度的ER模型具有更好的性能，极大地减少了标注代价。
-
公开(公告)号：CN109376556B
公开(公告)日：2020-12-18
申请号：CN201811543220.3
申请日：2018-12-17
Applicant: 华中科技大学
Abstract: 本发明公开了一种针对以卷积神经网络为基础的EEG脑机接口的攻击方法，包括：使用白盒攻击构造EEG脑机信号的白盒对抗样本，使用灰盒攻击构造EEG脑机信号的灰盒对抗样本，使用黑盒攻击构造EEG脑机信号的黑盒对抗样本；分别使用EEG脑机信号的白盒对抗样本、灰盒对抗样本、黑盒对抗样本攻击EEG脑机接口的卷积神经网络。本发明针对不同的攻击情形提供了三种的攻击方法，三种攻击方式都不需要提前知道EEG脑电样本的真值标签，更加适用于脑机接口的应用场景，弥补了脑机接口针对对抗样本缺乏安全性测试的空白，保证了其有效性与实用性，使得其能够成为一种较好的测试EEG脑机接口系统鲁棒性的方法。
-
Patent Agency Ranking
公开(公告)号：CN110432900B
公开(公告)日：2020-07-10
申请号：CN201910586165.4
申请日：2019-07-01
Applicant: 华中科技大学
IPC: A61B5/0484 , A61B5/04 , A61B5/00
Abstract: 本发明公开了一种用于恒河猴眼动决策解码的多视图学习方法和系统，属于侵入式脑机接口中的多视图解码领域，所述方法包括：构建包括特征节点提取网络、增强节点提取网络和预测网络的眼动决策解码模型；将恒河猴侵入式脑机接口中侧额叶皮层辅助眼区局部场电位、动作电位与独热编码后的眼动决策方向数据，输入所述眼动决策解码模型进行训练，得到训练好的眼动决策解码模型；将待解码的局部场电位与动作电位输入训练好的解码模型中，得到眼动方向的解码结果。本发明的方法和系统使用限制少且计算复杂度低，适合用于侵入式脑机接口中动作电位与局部场电位信号的解码以及其他各种多视图学习场景。
-
公开(公告)号：CN109376556A
公开(公告)日：2019-02-22
申请号：CN201811543220.3
申请日：2018-12-17
Applicant: 华中科技大学
Abstract: 本发明公开了一种针对以卷积神经网络为基础的EEG脑机接口的攻击方法，包括：使用白盒攻击构造EEG脑机信号的白盒对抗样本，使用灰盒攻击构造EEG脑机信号的灰盒对抗样本，使用黑盒攻击构造EEG脑机信号的黑盒对抗样本；分别使用EEG脑机信号的白盒对抗样本、灰盒对抗样本、黑盒对抗样本攻击EEG脑机接口的卷积神经网络。本发明针对不同的攻击情形提供了三种的攻击方法，三种攻击方式都不需要提前知道EEG脑电样本的真值标签，更加适用于脑机接口的应用场景，弥补了脑机接口针对对抗样本缺乏安全性测试的空白，保证了其有效性与实用性，使得其能够成为一种较好的测试EEG脑机接口系统鲁棒性的方法。
-
公开(公告)号：CN120045995A
公开(公告)日：2025-05-27
申请号：CN202510087894.0
申请日：2025-01-21
Applicant: 华中科技大学
IPC: G06F18/241 , G06N3/0464 , G06N3/042 , G06N3/09
Abstract: 本发明属于运动想象脑机接口信号精准解码相关技术领域，具体涉及一种运动想象脑机接口信号的解码模型构建方法以及解码方法，包括构建知识数据融合网络KDFNet，包括时域卷积模块、空域卷积模块、特征工程模块和分类模块；时域卷积模块含有m个时域卷积核，不同的时域卷积核对应不同的频段，每个时域卷积核用于对每个通道信号进行时域卷积；空域卷积模块含有m*n个空域卷积核，一个时域卷积核的输出对应由n个空域卷积核进一步空域卷积处理；特征工程模块用于基于每个空域卷积的输出得到频谱功率知识特征；有监督训练FBCSP模型，以获取该模型中分类器的参数取值，用于初始化分类模块中全连接层的参数；有监督训练KDFNet。本发明能高效实现解码。
-
公开(公告)号：CN119903410A
公开(公告)日：2025-04-29
申请号：CN202411978390.X
申请日：2024-12-31
Applicant: 华中科技大学
IPC: G06F18/2413 , A61B5/372 , A61B5/00 , G06F18/213 , G06F18/214 , G06N3/045 , G06N3/0495 , G06N3/082 , G06N3/084 , G06N3/09
Abstract: 本发明公开了一种癫痫检测模型的训练方法、癫痫检测方法及系统，属于癫痫检测技术领域；每获取到一个新患者的域训练子集S，开始一个新的训练批次，并在当前训练批次下基于域训练子集S对癫痫检测模型进行训练，通过自适应剪枝为每个域分配子网络，结合特定域参数学习新域特有知识，同时共享参数有效利用先前域已学习的知识。自适应剪枝在促进知识共享的同时，最大限度地减少了域间干扰，有效缓解了灾难性遗忘，能够实现准确地癫痫检测；与此同时，本发明也无需存储先前域的数据，有效保护了数据隐私；基于此，本发明在保护患者数据隐私的前提下，实现了准确地癫痫检测。
-
公开(公告)号：CN115590530B
公开(公告)日：2024-09-06
申请号：CN202211350636.X
申请日：2022-10-31
Applicant: 华中科技大学
IPC: A61B5/369 , A61B5/372 , A61B5/00 , G06F18/10 , G06F18/213 , G06F18/214 , G06F18/24 , G06F18/22
Abstract: 本发明公开了一种跨对象目标域代理子域适应方法、系统及介质，属于机器学习领域，方法包括：采用上采样技术将不平衡数据集转化为平衡数据集并生成相应的域标签；对于任一平衡数据集，计算目标域中所有样本在其上的预测概率的和，得到其与目标域的相似度；将前M’个最大相似度对应的平衡数据集拼接以得到最优源域，将最大相似度对应的平衡数据集作为目标域代理；对目标域和最优源域进行全局域适应，计算域适应损失，对最优源域和目标域代理进行子域适应，计算子域适应损失；利用交叉熵函数计算分类损失，根据域适应损失、子域适应损失和分类损失计算总体损失；以总体损失收敛为目标，反向传播更新源域模型的参数。提升癫痫电信号分类的准确度。
-
-
-
-
-
-
-
-
-
Search Results
65
records
(took 0.026 seconds)
