龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
申请/专利权人：西交利物浦大学
申请日：2024-02-27
公开（公告）日：2024-05-31
公开（公告）号：CN118114197A
主分类号：G06F18/25
分类号：G06F18/25;G06F18/241;G06F18/214;G06F18/21
优先权：
专利状态码：在审-实质审查的生效
法律状态：2024.06.18#实质审查的生效;2024.05.31#公开
摘要：本发明公开了一种运动想象脑电分类模型训练方法、装置、设备及存储介质。该方法包括：将源域电极数据和目标域电极数据输入至分类网络模型中，根据模型输出的源域深度特征数据和目标域深度特征数据，生成桥接域电极数据，同时将模型输出并输入至模型的三维全连接层进行特征提取，得到第一特征提取数据和第二特征提取数据，根据第一特征提取数据、第二特征提取数据和桥接域电极数据，确定第一损失值；将第一特征提取数据输入至模型的全连接层，并根据输出的运动预测类别和运动真实类别，确定第二损失值；根据第一损失值和第二损失值进行模型迭代训练，直到满足模型训练结束条件，得到目标运动想象脑电分类模型，用于进行跨用户的运动想象动作分类。
主权项：1.一种运动想象脑电分类模型训练方法，其特征在于，包括：获取源域电极数据和目标域电极数据；将所述源域电极数据和所述目标域电极数据输入至未经训练的分类网络模型中，得到所述分类网络模型中的空间特征提取器对所述源域电极数据进行特征提取后输出的源域深度特征数据，以及对所述目标域电极数据进行特征提取后输出的目标域深度特征数据；根据所述源域深度特征数据和所述目标域深度特征数据，生成桥接域电极数据；将所述源域深度特征数据和所述目标域深度特征数据输入至所述分类网络模型中的三维全连接层分别进行特征提取，得到所述源域深度特征数据对应的第一特征提取数据和所述目标域深度特征数据对应的第二特征提取数据，并根据所述第一特征提取数据、所述第二特征提取数据和所述桥接域电极数据，确定第一损失值；将所述第一特征提取数据输入至所述分类网络模型中的全连接层，由所述全连接层进行运动类别预测，得到运动预测类别，并根据所述运动预测类别和所述源域电极数据对应的运动真实类别，确定第二损失值；根据所述第一损失值和所述第二损失值，对所述分类网络模型进行迭代训练，直到满足模型训练结束条件，得到目标运动想象脑电分类模型，用于进行跨用户的运动想象动作分类。
全文数据：
权利要求：
百度查询： 西交利物浦大学 运动想象脑电分类模型训练方法、装置、设备及存储介质
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