-
公开(公告)号：CN117725367A
公开(公告)日：2024-03-19
申请号：CN202410087934.7
申请日：2024-01-22
Applicant: 杭州电子科技大学
IPC: G06F18/10 , G06F17/16 , G06F17/18 , G06N3/0895 , G06N3/096
Abstract: 本发明公开了一种源域可迁移性自适应学习的言语想象脑电解码方法。该方法的具体步骤包括：首先采集被试者和解码对象在不同言语想象任务下的脑电数据，其次对数据进行预处理得到样本矩阵，然后基于源域可迁移性自适应学习的言语想象脑电解码模型迭代得到标签矩阵，最终完成言语想象脑电解码。本发明通过将源域和目标域映射至子空间来最大程度上减小域间的差异，双映射矩阵在目标函数迭代过程中不断优化使得域间差异缩小；同时本发明引入样本权重系数矩阵量化表示了源域样本的可迁移性，在目标函数迭代过程中，促使源域高可迁移性样本在模型学习过程中发挥更大的作用，解决了言语想象脑电解码领域中因存在负面样本而造成言语想象脑电解码不准确的问题。
-
公开(公告)号：CN116166987A
公开(公告)日：2023-05-26
申请号：CN202310137551.1
申请日：2023-02-20
Applicant: 杭州电子科技大学
Abstract: 本发明公开了一种基于结构化二部图实现量化迁移的脑电情感识别方法。该方法的具体步骤包括：首先采集多名被试者在不同情感状态下的脑电数据，其次对数据进行预处理得到样本矩阵，然后联合结构化二部图构造模型与基于图的半监督标签传播模型迭代得到最优二部图与标签矩阵，最终完成情感脑电识别。本方法通过构造源域样本‑目标域样本结构化二部图来表征样本间的关联程度，该二部图在迭代过程中会主动依据模型中的约束项不断优化自身的结构并在图中融入标签信息；同时本方法量化了源域样本的可迁移性，促使源域高可迁移性样本在标签传播过程中发挥更大的作用，解决了跨被试情感识别领域中因个体差异性造成的情感识别不准确的问题。
-
公开(公告)号：CN117725367B
公开(公告)日：2024-11-29
申请号：CN202410087934.7
申请日：2024-01-22
Applicant: 杭州电子科技大学
IPC: G06F18/10 , G06F17/16 , G06F17/18 , G06N3/0895 , G06N3/096
Abstract: 本发明公开了一种源域可迁移性自适应学习的言语想象脑电解码方法。该方法的具体步骤包括：首先采集被试者和解码对象在不同言语想象任务下的脑电数据，其次对数据进行预处理得到样本矩阵，然后基于源域可迁移性自适应学习的言语想象脑电解码模型迭代得到标签矩阵，最终完成言语想象脑电解码。本发明通过将源域和目标域映射至子空间来最大程度上减小域间的差异，双映射矩阵在目标函数迭代过程中不断优化使得域间差异缩小；同时本发明引入样本权重系数矩阵量化表示了源域样本的可迁移性，在目标函数迭代过程中，促使源域高可迁移性样本在模型学习过程中发挥更大的作用，解决了言语想象脑电解码领域中因存在负面样本而造成言语想象脑电解码不准确的问题。
-
-
Search Results
3
records
(took 0.017 seconds)
