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：四川师范大学
摘要：本发明公开了一种基于深度学习和功能性近红外光谱数据的第二语言学习中数学干扰识别方法、设备和介质；利用功能性近红外光谱fNIRS技术采集学习者在英语阅读和数学任务时的大脑活动数据，并结合注意力增强的长短期记忆网络AC‑LSTM深度学习模型进行特征提取和分类，从而准确识别和量化学习过程中的数学干扰；通过梯度提升决策树GBDT模型的网格搜索算法筛选出与数学干扰显著相关的关键脑功能通道，并利用关联规则方法量化不同脑区间的相互关系，以图结构形式可视化表示，能够有效揭示数学干扰对英语学习脑区活动模式的影响，为开发个性化的教学策略和提高学习效率提供科学依据。
主权项：1.一种基于深度学习和功能性近红外光谱数据的第二语言学习中数学干扰识别方法，其特征在于，包括以下步骤：S1、利用功能性近红外光谱fNIRS设备获取学习者在英语阅读任务时的大脑活动数据，捕获对应通道上的血液动力学信号；S2、通过Beer-Lambert定律计算局部氧合血红蛋白HbO和脱氧血红蛋白HbR浓度的变化，并将原始fNIRS信号提取并转换为结构化数据，以便于在深度学习模型中进行特征提取和分类;S3、构建基于注意力增强的长短期记忆网络AC-LSTM深度学习模型，该模型集成了LSTM模块、多头注意力机制和分类器，通过结合Transformer架构实现对英语学习者大脑中的数学干扰进行检测和识别；S4、通过梯度提升决策树GBDT模型的网格搜索算法，从所述通道中识别出与数学干扰存在显著相关性的关键脑功能通道，并通过对比分析，可视化展示出这些通道在不同学习任务中的活动水平差异，从而揭示数学训练对英语学习者大脑特定区域活动的影响；S5、将所述通道与脑兴趣区域（ROI）进行对应，利用关联规则方法量化不同脑区间的相互关系，并以图结构（Graph）形式可视化表示，揭示数学干扰对英语学习组和数学训练组脑区活动模式的影响，分析关键脑区活动的变化幅度。
全文数据：
权利要求：
百度查询： 四川师范大学 一种基于深度学习和功能性近红外光谱数据的第二语言学习中数学干扰识别方法、设备和介质
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