-
公开(公告)号：CN116115240A
公开(公告)日：2023-05-16
申请号：CN202211614998.5
申请日：2022-12-14
Applicant: 杭州电子科技大学
Abstract: 本发明公开基于多分支图卷积网络的脑电情绪识别方法。本发明建模的图信号特征数据，还原脑电数据本身在空间和功能上的联系，利用多维特征保留了更多的情感信息，用于准确分类识别个体的情感状态。结合注意力机制，在情感信息丰富度上很好的区分不同的样本数据，进而大大降低冗余数据对分类性能的干扰，具有良好的分类效果和可泛化性；采用多支路图卷积模型，该模型同时考虑了通道间的物理性连接和相关性连接，利用基于相关性连接的注意机制来辅助优化基于物理连接的邻接矩阵，解决目前普通图卷积模型中邻接矩阵信息单一化的问题。本发明利用在线脑机接口系统，改以往多是对离线脑电数据进行分析的现象，提高了脑电数据分析的实时性。
-
公开(公告)号：CN115844326A
公开(公告)日：2023-03-28
申请号：CN202211459859.X
申请日：2022-11-16
Applicant: 杭州电子科技大学
Abstract: 本发明公开一种基于关键脑网络的自适应睡眠分期方法及系统。通过多通道脑电采集设备采集脑电信号数据；对采集的脑电信号数据进行预处理；对预处理后的脑电信号数据提取节点特征和边特征，构建全连接的加权有向图，即动态效应脑网络；构建融合时空信息的关键脑网络；利用自适应睡眠分期识别模型实现对脑电信号的睡眠分期识别。本发明使用了不同于以往的结构脑网络或功能脑网络对睡眠分期进行分析，而使用了效应脑网络，即有向图，考虑到大脑信息交互的方向性的同时，使用注意力机制对有向图进行关键边特征和节点特征选取，从而使用自适应睡眠分期识别模型达到了更准确的睡眠分期识别结果。
-
公开(公告)号：CN115998306A
公开(公告)日：2023-04-25
申请号：CN202211524864.4
申请日：2022-11-30
Applicant: 杭州电子科技大学
IPC: A61B5/372 , A61B5/378 , A61B5/00 , G06F18/214 , G06F18/24 , G06N3/0442 , G06N3/0464 , G06N3/08
Abstract: 本发明公开一种基于多尺度神经网络的运动想象分类方法及系统。本发明通过将信号二维化，从而更加充分利用到了各电极EEG信号物理意义上的空间信息，将多频率尺度的卷积神经网络模块和时序循环神经网络模块有效结合到了一起，尽可能地捕捉到了信号中有用的频域信息、空域信息以及时域信息，降低了模型过拟合的可能性，具有良好的分类效果以及可泛化性；本发明考虑用户在实际执行运动想象任务过程中注意力涣散的情况，通过计算用户执行任务时的注意力指标，并在模型训练中地利用该信息，通过注意力指标计算得到的衰减系数k，调整不同频率尺度模块对应的权重来着重提取更关键频率尺度的信息，进一步增加方法的可泛化性和可信度。
-
公开(公告)号：CN116035591A
公开(公告)日：2023-05-02
申请号：CN202211436178.1
申请日：2022-11-16
Applicant: 杭州电子科技大学
IPC: A61B5/369 , A61B5/372 , A61B5/00 , G06F3/01 , G06F18/2415 , G06N3/0464 , G06N3/048 , G06N3/047 , G06N3/0499
Abstract: 本发明公开一种基于脑电的复杂动作运动想象解码方法及系统。针对单侧上肢多动作运动想象的新型脑机接口任务，设计了基于小波变换‑3D卷积‑Transformer的学习模型，解决了传统脑机接口系统中单侧肢体可识别动作少、识别效率低下、脑模式模糊不清的问题。与传统运动想象脑机接口的不同之处主要有以下几点：本发明设计了一个单侧上肢多动作的复杂动作运动想象识别模式；本发明设计了一种基于小波变换‑3D卷积‑Transformer的学习模型，可获得更加准确和稳定的结果；友好的结果可视化界面，使得被试直观方便的观察到自己的试验状态。
-
-
-
Search Results
4
records
(took 0.022 seconds)
