专利名称 一种基于深度迁移学习的运动想象脑电信号分类方法
申请号/专利号 CN202410635143.3 专利权人(第一权利人) 长春工业大学
申请日 2024-05-22 授权日 2024-07-16
专利类别 授权发明 战略新兴产业分类 新一代信息技术
技术主题 深度学习|运动心像|生物学|神经网络|域适应|数据分类|信号分类
应用领域 内燃活塞发动机|生物学模型
意向价格 具体面议
专利概述 本发明提供了一种基于深度迁移学习的运动想象脑电信号分类方法,涉及神经网络、机器学习进行脑机接口数据分类处理领域,包括以下步骤:S1、采集脑电信号,并对脑电信号数据进行预处理;S2、构建基于EEGNet‑Attention‑Resnet分类模型;S3、使用欧式对齐实现源域与目标域浅层网络的参数共享,以及使用最大均值差异MMD度量差异实现不同受试者的深层网络的域适应。与现有技术相比,本发明从浅层网络的微调、共享参数以及深层网络的域适应进行迁移,能够解决因数据量不足而导致的分类精度低的问题,提高跨受试者脑电信号的分类准确率,并完成不同受试者良好的分类任务,可广泛应用于医疗健康等领域。
图片资料 一种基于深度迁移学习的运动想象脑电信号分类方法
合作方式 具体面议
联系人 戚梅宇 联系电话 13074363281