-
公开(公告)号：CN117131356A
公开(公告)日：2023-11-28
申请号：CN202310889486.8
申请日：2023-07-19
Applicant: 西安电子科技大学
IPC: G06F18/213 , G06F18/241 , G06N3/0464 , G06N3/048 , G06N3/08 , G06F123/02
Abstract: 本发明公开了一种多头自注意力机制融合的时空卷积脑电解码方法，包括：采集脑电信号；将脑电信号输入脑电解码网络，以使脑电解码网络中的第一时空特征提取模块和第二时空特征提取模块依次对脑电信号进行处理，第一\二时空特征提取模块用于提取输入数据的频谱特征，并基于频谱特征提取时间特征后，利用多头自注意力机制提取空间‑时间特征；对第二时空特征提取模块输出的空间‑时间特征进行分类，得到脑电信号的分类结果。本发明能够准确表征脑电信号，可分离卷积层有效地解耦了脑电任务和脑电信号之间的时间相关关系，在此基础上利用多头自注意力机制关注大脑的空间激活模式，提取互补的空间表征信息，有利于实现脑电信号的准确分类。
-
公开(公告)号：CN116010840A
公开(公告)日：2023-04-25
申请号：CN202211446534.8
申请日：2022-11-18
Applicant: 西安电子科技大学
IPC: G06F18/24 , G06F18/214 , G06F3/01
Abstract: 本发明公开了一种多源域样本重加权的EEG信号跨设备解码方法，包括：获取采集多个受试者的MI EEG信号得到的多源域样本数据集及采集目标受试者的MI EEG信号得到的目标域样本数据集；利用两者对预设的SRENet网络进行训练得到训练完成的目标SRENet网络；利用目标SRENet网络得到待测样本的解码结果；其中，预设的SRENet网络包括特征提取器、样本重加权分类器和条件重加权判别器；在网络训练过程中通过样本重加权分类器和条件重加权判别器对特征提取器提取的特征进行易迁移性度量，对更易于迁移至目标域的源域样本赋以更高的训练权重。本发明能提高跨设备的MI EEG信号的解码性能。
-
公开(公告)号：CN115357113A
公开(公告)日：2022-11-18
申请号：CN202210800745.0
申请日：2022-07-08
Applicant: 西安电子科技大学
IPC: G06F3/01 , G06K9/00 , G06F3/04815 , G06T15/80 , G06N3/04
Abstract: 本发明公开了一种动态背景下SSVEP脑机接口刺激调制与解码方法，调制方法包括在动态背景多个预设位置上分别悬浮设置预设形状的SSVEP刺激块；利用预设的前景调制方法和/或背景调制方法改变各SSVEP刺激块与相应背景区域的对比度，利用采样正弦编码平滑改变刺激块的透明度使刺激块基于各自频率持续闪烁以刺激受试者产生SSVEP的EEG信号，能提高刺激块与背景区域对比度，避免淹没于背景中，便于受试者观看。解码方法对已采集的受试者的SSVEP的EEG信号进行预处理，利用预设的DBDN网络对其进行解码，得到该SSVEP的EEG信号对应的SSVEP刺激块的属性信息，能针对动态背景的SSVEP范式下提高解码精度。
-
公开(公告)号：CN119337935A
公开(公告)日：2025-01-21
申请号：CN202411282688.7
申请日：2024-09-13
Applicant: 西安电子科技大学
IPC: G06N3/0455 , A61B5/369 , A61B5/372 , A61B5/00 , G06N3/0464 , G06N3/084 , G06F3/01
Abstract: 本发明公开了一种函数预定义卷积的自发脑电解码方法，涉及信息技术领域，解决了现有技术中自发脑电信号解码中神经网络映射空间过大，且学习能力和可解释性差的问题；该方法包括：构建函数预定义卷积层并确定其参数；根据函数预定义卷积层构建解码网络，对解码网络进行训练，得到训练完成的解码网络；其中，解码网络包括依次连接的第一函数预定义卷积层、第一批量归一化层、最大池化层、第二函数预定义卷积层、第二批量归一化层、修正线性单元激活层、AvgPool层、Dropout层、展平层和全连接层；利用解码网络对脑电数据进行解码分类，得到分类结果；该方法实现了将特征的映射空间限制为信号频点和通道权重，并提高了计算效率。
-
-
-
Search Results
4
records
(took 0.027 seconds)
