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：上海韶脑传感技术有限公司

摘要：本发明公开一种基于图神经网络的跨设备运动想象脑电建模方法，包括以下步骤脑电数据预处理，源域多通道模型训练，源域少通道模型训练、迁移微调。本发明通过卷积神经网络和图神经网络在训练集上对多通道、高质量脑电信号进行通道信息的提取融合，训练源域多通道模型；在该训练集上使用少量通道作为信号输入，通过对比源域多通道模型和源域少通道模型特征值的差异来引导学生模型在有限通道输入的情况下学习多通道融合信息；将源域少通道模型作为预训练模型，在源域脑电数据集上使用迁移学习，对模型参数进行微调以适应测试集的数据特征分布；构建的模型可成功实现跨设备的运动想象脑电信号任务分类，解决由跨设备通道不一致导致的迁移困难等问题。

主权项：1.一种基于图神经网络的跨设备运动想象脑电建模方法，其特征在于，包括以下步骤：（1）脑电数据预处理：将脑电数据分为训练集和测试集；其中，训练集共有M个脑电通道，测试集共有N个脑电通道数量，且MN;（2）源域多通道模型训练：将训练集数据送入源域多通道模型中进行一次训练；训练得到预测分类结果，使用交叉熵函数计算预测分类结果和真实分类结果的训练损失值，再对源域多通道模型的参数进行反向更新；模型学习特征点为；（3）源域少通道模型训练：在训练集数据中筛选通道，使得脑电通道与测试集的脑电通道个数及脑电通道位置一致；将筛选后的N个脑电通道的训练集数据输入源域少通道模型进行一次训练；训练得到预测分类结果，使用交叉熵函数计算预测分类结果和真实分类结果的分类损失值；根据源域多通道模型学习的特征点和源域少通道模型学习的域内分类特征，通过Coral函数计算蒸馏损失值；将分类损失值及蒸馏损失值相加得到最终模型损失，通过最终模型损失反向梯度更新源域少通道模型，得到预训练的源域少通道模型；（4）迁移微调：将N个脑电通道的测试集数据集分为训练和测试两部分，其中，训练部分送入预训练完成的源域少通道模型中进行重新训练得到迁移微调模型；训练得到预测分类结果，使用交叉熵函数计算预测分类结果和真实分类结果的训练损失值，再对模型的参数进行反向更新；其中，迁移微调模型参数更新时，冻结预训练的部分权重参数，对剩余权重参数进行迭代更新；最终的模型在测试集中的测试部分进行验证。

全文数据：

权利要求：

百度查询： 上海韶脑传感技术有限公司 一种基于图神经网络的跨设备运动想象脑电建模方法