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：大连大学
申请日：2024-04-01
公开（公告）日：2024-06-14
公开（公告）号：CN118194045A
主分类号：G06F18/214
分类号：G06F18/214;G06F18/241;A61B5/372;G06N3/094;G06N3/0464;G06N3/048
优先权：
专利状态码：在审-公开
法律状态：2024.06.14#公开
摘要：本发明涉及一种运动想象脑电信号数据增广模型及其增广方法，通过深度卷积生成对抗网络DCGAN的模型结构，结合生成器和鉴别器的损失函数设计，考虑了随机噪声分布、真实数据分布以及梯度惩罚项，有助于模型更好地学习数据的分布特性，提高生成数据的质量；与传统的DCGAN网络生成的数据相比，本发明改进的方法生成的数据更接近真实数据的分布，从而更有利于提高分类器的泛化能力，进而本模型能够更有效地提高脑电信号分类的性能。
主权项：1.一种运动想象脑电信号数据增广模型，其特征在于，以深度卷积生成对抗网络DCGAN的模型结构为基础，使其生成器使用如式1所示的损失函数： 其中：LG表示生成器的损失函数；z是生成器输入的随机噪声；pz是生成器的随机噪声分布；Gz表示生成器的输出；D表示鉴别器；表示从生成器的输入分布Pz中采样噪声向量z，然后将其输入到生成器G中生成样本，最后计算鉴别器D对这些生成样本的输出的期望值；使其鉴别器使用如式2所示的损失函数： 其中：LD表示鉴别器的损失函数；x是鉴别器输入的真实数据；Pr是真实数据的分布；Dx表示鉴别器对真实数据样本x的输出；λ是梯度惩罚项的权重；是真实数据和生成数据之间的随机插值，是这些随机插值的分布；表示表示鉴别器对输入样本的输出；Ex～Pr[Dx]-表示从真实数据分布Pr中采样真实数据样本x，然后计算鉴别器D对这些真实数据样本的输出的期望值；表示从样本分布中采样输入样本然后计算鉴别器D对这些输入样本的梯度的L2范数的期望值，再减去1并求平方。
全文数据：
权利要求：
百度查询： 大连大学 一种运动想象脑电信号数据增广模型及其增广方法
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