龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！
申请/专利权人：杭州电子科技大学
摘要：本发明提供一种基于自加权增量RVFL网络的脑电疲劳预测方法。本发明步骤如下：1、多个被试者分别在模拟驾驶系统下进行脑电数据采集。2、对步骤1所得的所有脑电数据进行预处理和特征提取。3、建立自加权RVFL网络用于离线训练一个基础疲劳预测模型。4、求解输出权重和特征权重分布5、采集在线脑电数据并进行与步骤2相同的步骤。6、将离线训练完成的疲劳预测模型转为增量式的在线疲劳预测模型。7、求解输出权重和特征权重分布。8、对在线脑电数据进行预测与学习。本发明通过回归预测、增量学习和自加权变量的方式提高了模型的预测精度。
主权项：1.一种基于自加权增量RVFL网络的脑电疲劳预测方法，其特征在于：步骤1、对处于逐渐疲劳的过程中的多个被试者进行脑电数据采集；步骤2、对步骤1所得的所有脑电数据进行预处理和特征提取；处理后的每一组数据均作为一个样本矩阵X；每个样本矩阵X均对应一个标签向量y；标签向量y对应被试者的疲劳程度；步骤3、建立用于离线训练的自加权RVFL网络；步骤3-1、建立一个自加权RVFL网络目标函数如式1所示： 式中，是经过RVFL网络隐层激活的数据表示，其中n表示样本个数，d表示特征维数；是RVFL网络的输出权重向量；表示训练数据的疲劳值向量；表示特征权重分布向量；Θ是一个对角矩阵且第i个对角线元素为θi；λ是正则化系数；表示向量的2-范数的平方，其计算方法为步骤4、对1式求解，得到Θ和β的更新公式；步骤5、采集在线脑电数据，并进行脑电数据的预处理和特征提取；步骤6、建立用于在线训练的自加权增量RVFL网络；步骤6-1、建立用于在线训练的自加权增量RVFL网络目标函数如2所示； 式中，Dn和yn分别表示n个样本数据以及对应的标签；Θn+1和βn+1分表表示训练n+1个样本所获得的特征权重分布和输出权重；步骤7、对2式求解，得到增量学习后的Θn+1和βn+1的更新公式；步骤8、依据已学到的Θ、β参数对实时脑电数据进行疲劳值进行预测，预测后若能得到实时脑电数据的真实标签，则对该数据进行增量学习。
全文数据：
权利要求：
百度查询： 杭州电子科技大学 一种基于自加权增量RVFL网络的脑电疲劳预测方法
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。
主营中国专利交易买卖与专利转让许可,高校科技成果推广与科技成果转化,知识产权运营管理与平台开发,科技人才专家库与科技猎头等科技服务
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号