-
公开(公告)号：CN117668552A
公开(公告)日：2024-03-08
申请号：CN202311692357.6
申请日：2023-12-11
Applicant: 华中科技大学
IPC: G06F18/214 , G06F18/241 , G06N3/0442 , G06N3/0464 , G06N3/08 , G06F3/01
Abstract: 本发明涉及一种脑电波解码系统及其训练方法、脑机接口设备，属于生理信号分析技术领域。系统包括空间卷积层、时间卷积层、脉冲神经元层、速率解码层和全连接层，其中，空间卷积层用于获取脑电波并进行通道重组，以提升空间分辨率，时间卷积层用于提取跟任务相关的时序信号并滤除混叠在信号当中的噪声干扰，脉冲神经元层用于将滤波信号转换为稀疏的脉冲，速率解码层用于将脉冲序列转换为单个脉冲速率特征，全连接层用于对各通道信号进行整合，得到分类结果。本发明构建的脑电波解码系统，框架简单，为轻量级的结构设计，计算量较小，所需计算耗时和耗能均不高，有利于在实际应用的硬件部署。
-
公开(公告)号：CN113780341B
公开(公告)日：2024-02-06
申请号：CN202110890792.4
申请日：2021-08-04
Applicant: 华中科技大学
IPC: G06F18/25 , G06F18/241 , G06F18/214 , G06N20/20
Abstract: 本发明公开了一种多维度情绪识别方法及其系统，其方法包括：基于带标签的第一样本集训练情绪识别模型和标签映射模型；将不带标签的第二样本集输入情绪识别模型，获取生理特征在各情感维度上的预测标签；将预测标签输入标签映射模型，获取对应生理特征在当前维度上的映射标签；判断预测标签和映射标签的一致性是否符合预设条件，选取一致性符合预设条件的情感维度进行自动标注，各情感维度自动标注值为对应维度预测标签和映射标签的加权平均值；根据新标注的数据继续对情绪识别模型进行训练，得到最终的情绪识别模型。利用半监督学习自训练的方法为部分样本自动添加标注并投入训练，减少人工标注，降低了训练情绪识别模型时的人工标注成本。
-
公开(公告)号：CN117462083A
公开(公告)日：2024-01-30
申请号：CN202311355415.6
申请日：2023-10-19
Applicant: 华中科技大学
IPC: A61B5/00 , A61B5/318 , A61B5/369 , A61B5/389 , A61B5/398 , G06F18/241 , G06F18/214 , G06N3/02
Abstract: 本发明公开了一种多模态自动睡眠分期模型的构建方法及应用，属于睡眠监测技术领域；所构建的自动睡眠分期模型包括特征提取模块、融合增强模块和决策融合模块；其中，融合增强模块利用各模态嵌入特征中相应的Class Token生成各模态下的模态权重，以对各模态嵌入特征进行加权融合，并将所得的加权融合特征通过多头自注意力模块进一步进行模态融合特征提取，将模态融合特征分别与各单模态嵌入特征通过多头交叉注意力模块进行特征融合增强，得到各模态下的模态增强特征；本发明利用多头自注意力模块及多头交叉注意力模块探索了多模态数据之间的交互关系，实现了多模态数据之间的融合交互，充分利用了多模态信息，提高了睡眠阶段分期的准确率。
-
公开(公告)号：CN117034105A
公开(公告)日：2023-11-10
申请号：CN202310799166.3
申请日：2023-06-30
Applicant: 深圳华中科技大学研究院
IPC: G06F18/241 , G06F18/2415 , G06F3/01
Abstract: 本发明公开了一种异步运动想象脑机接口识别方法及系统，方法包括以下步骤：构建第一模型，并采用过渡态数据训练第一模型，得到训练完成的第一模型；利用第一模型完成用户状态识别；构建并训练第二模型，利用第二模型对第一模型的输出结果进一步进行分类，得到精确用户状态。本发明能针对运动想象脑机接口的异步识别，在在线测试场景下提高对于用户运动想象态的准确率，以及降低静息态的误判率。
-
公开(公告)号：CN110751032B
公开(公告)日：2022-08-02
申请号：CN201910869929.0
申请日：2019-09-20
Applicant: 华中科技大学
Abstract: 本发明公开了一种无需校准的脑机接口模型的训练方法，属于脑机接口领域。本发明提出FWET算法，通过学习已有的多个用户之间的差异，对每个特征样本/脑电信号样本中的特征赋予权重，通过特征加权更高效利用已有数据，使得训练出的模型表现出良好的性能，同时可适用于分类任务与回归任务；通过幕式训练的方式，用每个辅助用户的数据的数据联合其他用户的用户内模型训练总模型，来提升对新用户的预测性能，该系统对新用户应用时的效果更好。本发明通过构造神经网络，采用深度学习进行非线性的变换，学习跨用户表现良好的特征，提高了特征的鲁棒性，提升模型的泛化性，从而降低对数据量的需求，相比于传统的简单线性变换，性能有了进一步的提升。
-
Patent Agency Ranking
公开(公告)号：CN114595447A
公开(公告)日：2022-06-07
申请号：CN202210206423.3
申请日：2022-03-01
Abstract: 本发明公开了一种针对稳态视觉诱发电位范式的方波攻击方法及装置，该方法包括：获取待攻击系统中所有输出类别的设定闪烁频率；根据所述所有输出类别的设定闪烁频率，设置针对目标攻击类别的方波扰动信号的频率；根据被试的脑电幅值范围，设置方波扰动信号的幅值；将以枕区为中心的预定范围内的任意一个通道设置为被攻击通道；将所述频率和幅值的方波扰动信号叠加到所述被攻击通道的原始信号上，对所述待攻击系统进行攻击，以使得所述待攻击系统的输出更改为所述目标攻击类别。本发明解决了现有技术中存在的扰动信号复杂难以实现的技术问题。
-
公开(公告)号：CN114358066A
公开(公告)日：2022-04-15
申请号：CN202111598515.2
申请日：2021-12-24
Applicant: 华中科技大学
IPC: G06K9/00 , G06K9/62 , G06V10/774
Abstract: 本发明属于基于运动想象的脑机接口领域，具体涉及一种用于运行想象脑机接口的隐私保护迁移学习方法，分为两个部分：1)以往用户模型训练，提出一种数据增强的手段，对每个样本的源域脑电信号进行随机弱化，得到增强后的源域脑电信号，提升模型的泛化性能；2)定义目标域模型，将源域模型的特征提取器和分类器均传递给目标域模型，得到初始目标域模型，固定分类器参数，并随机初始化M个辅助分类器，同时考虑不确定性降低和一致性正则化进行新用户模型训练，无需已知新用户的带标注数据，从而可以在更多的情况下使用。本发明解决的是运动想象脑机接口中的隐私保护迁移学习问题。本发明考虑了用户间差异并同时考虑保护以往用户的隐私不被泄露。
-
公开(公告)号：CN112598082A
公开(公告)日：2021-04-02
申请号：CN202110017334.X
申请日：2021-01-07
Applicant: 华中科技大学
Abstract: 本发明公开了一种基于非校验集预测图像识别模型泛化误差的方法及系统，属于深度学习优化与泛化领域，方法包括：在每一个训练回合结束后，随机采样K组训练图片，使用模型优化器计算K组训练图片对应图像识别模型的参数更新量；利用参数更新量，得到对应的K个更新后的模型，并记录K个更新后的模型对各张训练图片的输出；计算各张训练图片的输出的方差值，使用输出模长对方差值进行归一化，得到输出相对方差；以输出相对方差预测图像识别模型的泛化误差在训练过程中的变化趋势。如此，本发明不需要使用校验集故能够将所有的训练样本投入训练，从而获得更好的泛化性能；另外该过程只需要训练一轮神经网络，减少了多次训练带来的能量与硬件的损耗。
-
-
公开(公告)号：CN114564743B
公开(公告)日：2024-10-15
申请号：CN202210152391.3
申请日：2022-02-18
Applicant: 华中科技大学
IPC: G06F21/62 , G06N20/20 , G06F18/2415 , G06F18/213 , G06F18/214 , G06F3/01
Abstract: 本发明公开了一种应用于运动想象脑机接口系统的隐私保护迁移学习方法，属于脑机接口、机器学习领域。方法包括，将多个源模型封装为API；将目标域数据送入API，获得每个目标域样本在各源域模型上的类别预测概率，基于不同源域模型的类别预测概率量化多个源域模型在每个目标样本上预测结果的分歧，选择分歧小于设定阈值的样本及其标签构建虚拟中间域；在虚拟中间域上训练分类器，实现目标用户运动想象类别预测。本发明通过生成多个源域模型的API接口，新用户仅可查询个人数据的预测，保护了源域用户的隐私；本发明通过构建虚拟中间域桥接新用户和老用户的数据分布，减轻了边际分布差异，简单易实现，提升了运动想象识别精度。
-
-
-
-
-
-
-
-
-
Search Results
65
records
(took 0.021 seconds)
