-
公开(公告)号：CN113031766A
公开(公告)日：2021-06-25
申请号：CN202110274646.9
申请日：2021-03-15
Applicant: 哈尔滨工业大学
IPC: G06F3/01 , G06F40/284 , G06F40/289 , G10L15/04 , G10L15/06
Abstract: 本发明公开了一种通过脑电解码汉语发音的方法，包括：基于汉语语料库内的刺激材料和信号灯脑电实验范式，获取跟读音频和想象跟读脑电；数据预处理：得到每个单独语料的诱发皮层脑电信号和被试对于汉语语音每个单独语料的自发声语音时频信号；针对每一份语料刺激诱发的脑电与语音信号，执行分帧截取样本操作，而后输入双峰酒桶形深度玻尔兹曼机神经网络，采用均方误差来衡量网络解析皮层脑电和语音对应关系的深度，若均方误差达到一个极小量级，则在训练集上，尝试进行未知脑电对应语音的解码。本发明的优点是：扩展了应用脑电解码语音的范围；弥补了脑电解码汉语的空白；有利于单模态信息重建多模态信息。
-
公开(公告)号：CN110570878A
公开(公告)日：2019-12-13
申请号：CN201910881274.9
申请日：2019-09-18
Applicant: 哈尔滨工业大学
IPC: G10L25/18
Abstract: 本发明公开了一种基于短时离散谐波变换的音色特征提取方法，包括：用基于三电平中心削波互相关函数法提取基音周期估计值，并基于基音周期获得对音频信号的谐波结构信息进行提取的频域变换方法，进一步提取谐波结构信息，构建音色谐波谱特征，用于对音频音色特征的提取。本发明的优点是：可以解决现有技术中对音频谐波结构信息提取不足，且使用的相关音色特征数目庞大，信息冗余，效率低下的问题，获得具有稀疏性的音频谐波结构信息提取方法。
-
公开(公告)号：CN112668717B
公开(公告)日：2023-06-02
申请号：CN202110002440.0
申请日：2021-01-04
Applicant: 哈尔滨工业大学
Abstract: 本发明公开了一种面向神经网络模型优化的数据处理方法和装置。方法包括：通过计算高阶笛卡尔扩张项，将原有的数据映射到表达能力更强，包含信息更多的高阶笛卡尔扩张空间中。装置包括：输入模块、笛卡尔扩张计算模块和输出模块；输入模块，用于确定并接收用于计算的多维度数据，包括确定输入数据的维度及各维度的数值；笛卡尔扩张计算模块，用于对所述输入模块确定的多维输入数据进行笛卡尔扩张计算；输出模块，根据计算结果，输出用于后续处理的高维度数据。本发明优点在于：在不影响模型效果的前提下降低了后续模型学习的难度，提高了学习效率并提供了分布式并行计算的便利性。
-
公开(公告)号：CN112966753A
公开(公告)日：2021-06-15
申请号：CN202110257323.9
申请日：2021-03-09
Applicant: 哈尔滨工业大学
Abstract: 本发明公开了一种基于熵稳定约束的自动数据降维方法，包括以下步骤：步骤1，监测训练过程中网络输入层、隐含层和输出层的熵分布特征；步骤2，依据网络学习目的灵活地组合待分析熵分布特征匹配差异；步骤3，将匹配差异作为惩罚项加入网络整体损失函数中或是特异网络层的梯度项，而后经过多轮迭代后完成数据的降维，以用于后续分析。本发明的优点是：通过将不同神经网络层之间的熵匹配差异作为惩罚项，加入网络的整体损失函数中或是特异网络层的梯度项，达到对网络迭代过程中高维数据内在结构的保持的目的，且提取到的低维数据重建误差更小，还能准确的体现高维数据间的分布特征，保证了在不同网络初始化的条件下，网络编码层的输出趋向一致。
-
Patent Agency Ranking
公开(公告)号：CN112668717A
公开(公告)日：2021-04-16
申请号：CN202110002440.0
申请日：2021-01-04
Applicant: 哈尔滨工业大学
Abstract: 本发明公开了一种面向神经网络模型优化的数据处理方法和装置。方法包括：通过计算高阶笛卡尔扩张项，将原有的数据映射到表达能力更强，包含信息更多的高阶笛卡尔扩张空间中。装置包括：输入模块、笛卡尔扩张计算模块和输出模块；输入模块，用于确定并接收用于计算的多维度数据，包括确定输入数据的维度及各维度的数值；笛卡尔扩张计算模块，用于对所述输入模块确定的多维输入数据进行笛卡尔扩张计算；输出模块，根据计算结果，输出用于后续处理的高维度数据。本发明优点在于：在不影响模型效果的前提下降低了后续模型学习的难度，提高了学习效率并提供了分布式并行计算的便利性。
-
公开(公告)号：CN113031766B
公开(公告)日：2022-09-23
申请号：CN202110274646.9
申请日：2021-03-15
Applicant: 哈尔滨工业大学
IPC: G06F3/01 , G06F40/284 , G06F40/289 , G10L15/04 , G10L15/06
Abstract: 本发明公开了一种通过脑电解码汉语发音的方法，包括：基于汉语语料库内的刺激材料和信号灯脑电实验范式，获取跟读音频和想象跟读脑电；数据预处理：得到每个单独语料的诱发皮层脑电信号和被试对于汉语语音每个单独语料的自发声语音时频信号；针对每一份语料刺激诱发的脑电与语音信号，执行分帧截取样本操作，而后输入双峰酒桶形深度玻尔兹曼机神经网络，采用均方误差来衡量网络解析皮层脑电和语音对应关系的深度，若均方误差达到一个极小量级，则在训练集上，尝试进行未知脑电对应语音的解码。本发明的优点是：扩展了应用脑电解码语音的范围；弥补了脑电解码汉语的空白；有利于单模态信息重建多模态信息。
-
公开(公告)号：CN110766139A
公开(公告)日：2020-02-07
申请号：CN201910999560.5
申请日：2019-10-21
Applicant: 哈尔滨工业大学
Abstract: 本发明公开了一种复合神经网络模型及其建模方法，包括：一个全连接稀疏建模模块、一个输入映射单层感知器层、一个字典学习单层感知器层以及一个反馈通路模块。全连接稀疏建模模块用于在系统的每一轮迭代中完成单一样本的稀疏建模，输入映射单层感知器层用于生成全连接稀疏建模模块所需的持续外输入，字典学习单层感知器层用于实现稀疏字典的学习和优化，反馈通路模块用于辅助全连接稀疏建模模块、提高建模的稀疏质量。本发明的优点是，通过Hopfield神经网络的全连接工作机制以及感知器神经网络模型的权值学习机制，实现一体化的数据驱动稀疏建模和字典学习，获取全局性更好、稀疏性能更优的建模结果。
-
公开(公告)号：CN216622892U
公开(公告)日：2022-05-27
申请号：CN202122235697.9
申请日：2021-09-15
Applicant: 哈尔滨工业大学
Abstract: 本实用新型公开了一种眼镜式脑机接口装置，包括镜框、镜片以及镜腿；镜框内并列设置两个镜片，镜片的一侧设置镜腿，镜片的另一侧设置镜框的鼻托位置，镜框的鼻托位置的另一侧设置另一个镜片，另一镜片的另一侧设置另一个镜腿；镜框为中空形式，内部存在导线，其中鼻托位置存在有两个干电极以及镜框上设置着两个隐藏电极，镜框上设置有用于放置电极的凹槽；镜腿为中空，内部放置芯片及电池，两个镜腿上分别设置着隐藏电极，镜腿上设置有用于放置电极的凹槽；本实用新型能够有效提高脑电信号的采集速率、舒适性以及稳定性，便于移动和长时间携带。
-
-
-
-
-
-
-
-
Search Results
9
records
(took 0.02 seconds)
