-
公开(公告)号：CN115813408B
公开(公告)日：2025-05-09
申请号：CN202211493049.6
申请日：2022-11-25
Applicant: 华中科技大学
Abstract: 本发明公开了一种用于脑电信号分类任务的Transformer编码器自监督学习方法，该方法针对脑机接口中基于头皮脑电信号分类任务，根据人头皮脑电特性引入多层小波包重构技术将脑电数据信号重构为不同频段的子波信号，并设计了一种基于Transformer编码器的自监督预训练策略，使编码器在没有标签的情况下，能够生成对不同频段的脑电信号数据更精细、更有效的多尺度精细化特征表示，提升编码器对头皮脑电信号的特征表示学习效果并增加可解释性，能够为脑机接口分类任务有效地预训练特征提取器，以更好地服务于下游分类任务。
-
公开(公告)号：CN119646587A
公开(公告)日：2025-03-18
申请号：CN202411809105.1
申请日：2024-12-10
Applicant: 华中科技大学
Abstract: 本发明公开了一种脑机接口解码模型的构建方法和脑电信号识别方法，属于脑电检测技术领域，所述脑机接口解码模型的构建方法，首先对目标域的原始校准集中的脑电图样本执行对齐操作，提升跨用户迁移的准确性；再将对齐校准集中的各个脑电图样本进行增强进而得到目标数据集，可以提升模型的泛化能力；在多个不同随机种子下利用目标数据集中各个脑电样本X生成的对抗样本对初始脑机接口解码模型进行对抗训练，得到各个随机种子对应的更新脑机接口解码模型，模型在面对对抗性样本和噪声数据时保持高鲁棒性；将各个随机种子对应的更新脑机接口解码模型进行集成得到目标脑机接口解码模型，有效提升了分类的准确性和对抗性鲁棒性。
-
公开(公告)号：CN119622467A
公开(公告)日：2025-03-14
申请号：CN202411691142.7
申请日：2024-11-25
Applicant: 华中科技大学
IPC: G06F18/241 , G06N3/0464 , G06N3/08 , G06N3/0455 , G06F3/01
Abstract: 本发明属于脑机接口中的脑纹识别技术领域，公开了一种用于跨会话场景的在线脑纹识别方法，包括：采集K个用户在会话一下的脑电数据，将每个试次按照长度T进行无重叠切分为脑电子片段，将脑电子片段在S个不同动态窗尺度下进行滑窗处理对应生成S组不同动态窗尺度数据集；采用每组动态窗尺度数据集分别离线训练M个不同的随机种子模型，得到M个脑纹识别模型；在会话二下，将在线接收到的长度为T的数据在对应尺度下滑窗处理后输入至对应脑纹识别模型中进行用户身份预测，并将预测结果平均集成后再进行加权集成，得到用户身份预测结果，实现跨会话的在线脑纹识别。本发明能提升跨会话脑电信号身份识别的准确性、鲁棒性及识别速率。
-
公开(公告)号：CN114358066B
公开(公告)日：2024-08-09
申请号：CN202111598515.2
申请日：2021-12-24
Applicant: 华中科技大学
IPC: G06F18/241 , G06F18/214 , G06F18/213 , 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：CN117056837A
公开(公告)日：2023-11-14
申请号：CN202310812061.7
申请日：2023-07-04
Applicant: 深圳华中科技大学研究院
IPC: G06F18/2431 , A61B5/369 , A61B5/372 , G06F18/213 , G06F18/21 , G06N3/084 , G06N3/088 , G06N3/096 , G06N3/0985 , G06N20/20 , G06F3/01 , G06F123/02
Abstract: 本发明公开了一种应用于免校准脑机接口的测试时适应方法，方法包括以下步骤：获取使用来自多个源域用户的标注训练数据建立对于多个类别的分类模型；建立分类模型，对各个用户的训练数据进行欧式对齐后，再合并所有源域，通过传统交叉熵损失训练多个分类模型，得到训练好的多个源域模型；获取当前用户的目标域数据流上的下一个测试样本，进行增量式欧式对齐后，输入至训练好的多个源域模型，得到基于多个源域模型在目标域数据上的预测概率值；采用谱元学习器方法进行多模型的集成预测，得到当前测试样本的预测值。基于预测概率值，通过条件熵最小化以及在批次内采用自适应边缘分布约束，分别优化各模型，得到优化后的适应目标域的各模型；本发明考虑了跨用户脑机接口系统的应用实时性，无需增加校准环节而对模型进行自适应调整。
-
Patent Agency Ranking
公开(公告)号：CN116663055A
公开(公告)日：2023-08-29
申请号：CN202310641473.9
申请日：2023-05-29
Applicant: 华中科技大学
IPC: G06F21/62 , G06F18/213 , G06F18/214 , G06F18/241
Abstract: 本发明公开了一种基于数据扰动的EEG数据用户身份隐私信息保护方法，属于脑机接口隐私保护技术领域，包括：将EEG数据输入至训练好的特征分类模型中，输出对应的第一脑电任务分类和第一用户身份分类；随机初始化扰动，并将所述扰动叠加在所述EEG数据上后，再次输入至所述特征分类模型中，输出对应的第二脑电任务分类和第二用户身份分类；以最小化所述第一脑电任务分类与所述第二脑电任务分类之间的特征差异，及最小化所述第二用户身份分类与所述EEG数据中用户身份标签之间的不相关性为目标函数，采用优化迭代算法求解所述目标函数，得到优化扰动。本发明能够在不影响EEG数据的分析和研究的同时保护数据中蕴含的隐私信息，提高脑机接口系统的隐私安全性。
-
公开(公告)号：CN116089874A
公开(公告)日：2023-05-09
申请号：CN202310020744.9
申请日：2023-01-06
Applicant: 华中科技大学
IPC: G06F18/2411 , G06F18/214
Abstract: 本发明公开了一种基于集成学习和迁移学习的情感识别方法及装置，属于情感计算的脑机接口领域。首先基于深度迁移学习算法，利用源域有标签数据对情感识别模型进行预训练，再利用预训练后的情感识别模型对目标域无标签数据进行预测，并选择前若干高置信度的预测结果作为伪标签，得到目标域带伪标签数据。然后，通过对特征进行随机非线性映射，以增加特征多样性。接着，利用源域有标签数据和目标域带伪标签数据构造第一数据样本集，训练一个基分类器；利用目标域带伪标签数据和目标域其余标签数据构造第二数据样本集，训练另一个基分类器。循环迭代，最后将所有基分类器结果求和得到最终的输出，以实现对目标域无标签数据的识别。
-
公开(公告)号：CN115423077A
公开(公告)日：2022-12-02
申请号：CN202210992783.0
申请日：2022-08-18
Applicant: 华中科技大学
Abstract: 本发明属于脑机接口领域，具体涉及一种卷积输出中时域信息增强的卷积神经网络构建方法，用于脑机接口中的分类任务或回归任务，包括：对待增强卷积神经网络的结构进行改进并训练得，改进方式为：根据待改进卷积层结构，计算其输出的特征表示的尺寸，构建输出尺寸与特征表示尺寸相同的平均池化层，用于伴随待改进卷积层的卷积核滑动点积过程，对输入数据平均池化，生成平均池化表示；构建三角函数编码器，对平均池化表示中每个元素进行时序编码，得到新的平均池化表示；构建求和单元，将新的平均池化表示与特征表示对应元素求和，得到时域信息增强的特征表示，将该特征表示输入下一层结构。本发明可在不扩大模型参数规模下，实现时域信息增强。
-
公开(公告)号：CN112598082B
公开(公告)日：2022-07-12
申请号：CN202110017334.X
申请日：2021-01-07
Applicant: 华中科技大学
IPC: G06V10/774 , G06V10/82 , G06K9/62 , G06N3/04 , G06N3/08
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：CN114564743A
公开(公告)日：2022-05-31
申请号：CN202210152391.3
申请日：2022-02-18
Applicant: 华中科技大学
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 0.028 seconds)
