-
公开(公告)号：CN119700136A
公开(公告)日：2025-03-28
申请号：CN202411606139.0
申请日：2024-11-12
Abstract: 一种基于分离时间关联和听觉干扰的脑电信号检测方法，通过采集无标记的脑电数据，通过多视角频谱‑空间‑时间掩码自动编码器模型进行预训练并得到频谱‑空间‑时间特征后，通过线性分类器进行微调得到脑电数据的具体状态。本发明能够有效消除时间干扰和听觉干扰，实现高精度的冥想状态分类。以下对本技术方案的实现进行详细描述，重点阐述实验设计和数据采集方式的创新性，以及与之配套的自监督学习算法。
-
公开(公告)号：CN114662524A
公开(公告)日：2022-06-24
申请号：CN202011533118.2
申请日：2020-12-22
Applicant: 上海交通大学
Abstract: 一种基于脑电信号的即插即用式域适应方法，通过脑电帽采集脑电信号并经预处理后，通过微分熵特征提取得到用于训练基于长短期记忆的神经网络的训练集，再通过对训练后的神经网络进行校正，实现即插即用式域适应。本发明能通过少数无标签的目标被试数据对模型进行校正，同时不明显降低模型准确率。
-
公开(公告)号：CN114091599A
公开(公告)日：2022-02-25
申请号：CN202111356761.7
申请日：2021-11-16
Applicant: 上海交通大学
Abstract: 一种模态间密集交互深度神经网络情绪识别方法，对各个模态的数据的预处理后，通过密集交互神经网络对各个模态数据进行密集交互处理得到特征矩阵；再通过识别情绪神经网络对每一个模态的数据矩阵进行拼接，即对最后一个交互层的输出数据进行拼接，最后分类并得到情绪类别，即分类结果。本发明使用脑电信号、眼动追踪信号和眼部图像信号作为输入，通过独创的密集交互神经网络设计，能够根据实际应用中的情况，不需改变模型结构，不依赖于某些模态或模态数量并能够在实际使用的过程中，根据实际情况调整具体模态种类和数量。
-
公开(公告)号：CN100357961C
公开(公告)日：2007-12-26
申请号：CN200510027715.7
申请日：2005-07-14
Applicant: 上海交通大学
IPC: G06K9/62
Abstract: 一种用于智能信息处理技术领域的基于超平面划分过程可以用于最小最大模块化分类器的任务分解，使用主成分分析方法来确定该超平面的方向。本发明提出了使用一种简单的排序过程来实现这个超平面划分过程，避免了巨量的聚类算法的时间消耗，同时它有效地保证了分解后产生的分类器组合的精度，避免了以往的随机的样本抽取过程无法保证最终的分类器组合精度的情况。此外，基于超平面划分方法产生的最小最大模块化分类器具有更好的测试性能。
-
公开(公告)号：CN108926349A
公开(公告)日：2018-12-04
申请号：CN201710372974.6
申请日：2017-05-24
Applicant: 上海交通大学
IPC: A61B5/0476 , A61B5/00 , A61B5/0496 , A61B5/11
Abstract: 一种基于脑电alpha波的睡眠开始时期检测方法，通过采集头部区域的脑电信号和眼部周围的垂直眼电信号，并使用摄像头同时监控录制面部信息视频和脑电眼电信号的显示图像，然后根据记录的脑电眼电信号和录制的面部信息视频标记出闭眼区间，再使用时频分析获得闭眼区间内的alpha波能量变化曲线，在能量变化曲线有显著下降趋势时判定睡眠开始；本发明能够根据脑电alpha波的衰减到消失模式可以直接判定由于睡眠剥夺所产生的睡眠开始时期，快速准确地检测到对象是否进入睡眠状态。
-
Patent Agency Ranking
公开(公告)号：CN1746900A
公开(公告)日：2006-03-15
申请号：CN200510029980.9
申请日：2005-09-23
Applicant: 上海交通大学
IPC: G06K9/00
Abstract: 一种基于迭代特征选择的快速人脸识别方法，用于智能信息处理技术领域。本发明步骤如下：(1)对不同人脸图像进行特征提取，称为人脸图像特征向量，形成样本集合；(2)利用训练样本来训练支持向量机；(3)根据训练好的支持向量机来计算特征排序指标；(4)按照特征排序指标的值从大到小的次序对特征进行排序，选择排在前面的特征并消除掉排在最后面的M个特征；(5)按经过选择的特征来更新训练样本，将训练数据限制在经过选择的特征上面；(6)使用更新好的训练数据来重新训练支持向量机；(7)重复迭代(3)－(6)步骤到预先设定的次数；(8)得到最终的分类器模型和经过挑选的特征。本发明可以大幅度地提高人脸识别的速度。
-
公开(公告)号：CN118606707A
公开(公告)日：2024-09-06
申请号：CN202410668467.7
申请日：2024-05-28
Applicant: 上海交通大学
IPC: G06F18/214 , A61B5/372 , A61B5/00 , G06F18/241 , G06F18/21
Abstract: 本发明实施例提供一种基于扩散模型的脑电信号增强模型的训练方法。该方法包括：将原始脑电信号输入至脑电信号增强模型中；利用扩散模型对原始脑电信号进行t步的前向扩散，得到第t‑1步扩散的增强结果xt‑1，以及第t步扩散的增强结果xt；将增强结果xt以及对应的情绪标签输入至控制输出的语义分割模型，通过语义分割模型输出指定的脑电增强参数；利用脑电增强参数进行重采样，得到第t‑1步扩散的均值、方差以及控制采样的惩罚项，基于均值、方差以及惩罚项预估出第t‑1步扩散的增强结果x’t‑1；基于增强结果xt‑1以及增强结果x’t‑1的误差损失对脑电信号增强模型进行训练。本发明实施例基于扩散模型训练了脑电信号增强模型，引入了惩罚项，使生成样本的多样性得到增加。
-
公开(公告)号：CN107256332B
公开(公告)日：2020-09-29
申请号：CN201710378148.2
申请日：2017-05-24
Applicant: 上海交通大学
Abstract: 一种基于眼动数据的脑电实验评估系统及方法，通过眼动仪采集对象眼动数据，根据眼动数据中的注视点建立时间‑空间模型；然后使用动态时间规整算法快速技术计算序列之间相似程度并构建距离矩阵，再通过基于密度的聚类算法进行离群点检测，并根据聚类结果采用学习排序训练模型，经量化排序后得到对象的参与度；本发明能够客观量化评价对象参与实验认真程度，为实验以及模型形成反馈，以保证数据质量以及提高模型预测精确度。对对象参与实验的程度进行了量化的评估，构造了情绪识别实验的量化反馈。
-
公开(公告)号：CN102915122B
公开(公告)日：2015-11-11
申请号：CN201210251444.3
申请日：2012-07-19
Applicant: 上海交通大学
Abstract: 本发明涉及一种基于语言模型的智能移动平台拼音输入法，首先，对拼音文本进行训练，得到基于字母的语言模型和基于拼音的语言模型；之后，采用HMM解码方法对输入的拼音串进行解码；再对下一步输入进行预测并给出输入提示：首先，根据基于字母的语言模型进行预测，获取所有单个拼音字母后可能出现的所有合理输入字母及其出现的概率；之后，根据基于拼音的语言模型进行预测，获取所有可能的拼音前缀后可能出现的所有合理输入字母及其出现的概率；最后，综合考虑上两步的信息获取所有下一个可能的合理输入字母及其概率，并比较概率大小，根据比较结果实现输入预测并进行输入提示。本发明提高了用户输入的准确率和流畅性，大大提高输入效率。
-
公开(公告)号：CN102915122A
公开(公告)日：2013-02-06
申请号：CN201210251444.3
申请日：2012-07-19
Applicant: 上海交通大学
Abstract: 本发明涉及一种基于语言模型的智能移动平台拼音输入法，首先，对拼音文本进行训练，得到基于字母的语言模型和基于拼音的语言模型；之后，采用HMM解码方法对输入的拼音串进行解码；再对下一步输入进行预测并给出输入提示：首先，根据基于字母的语言模型进行预测，获取所有单个拼音字母后可能出现的所有合理输入字母及其出现的概率；之后，根据基于拼音的语言模型进行预测，获取所有可能的拼音前缀后可能出现的所有合理输入字母及其出现的概率；最后，综合考虑上两步的信息获取所有下一个可能的合理输入字母及其概率，并比较概率大小，根据比较结果实现输入预测并进行输入提示。本发明提高了用户输入的准确率和流畅性，大大提高输入效率。
-
-
-
-
-
-
-
-
-
Search Results
34
records
(took 0.025 seconds)
