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！

龙图腾网获悉北京九叁有方物联网科技有限公司申请的专利基于时空动态融合网络的头戴式脑体作业能力评估方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN119851952B 。

龙图腾网通过国家知识产权局官网在2025-06-17发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202510346129.6，技术领域涉及：G16H50/30；该发明授权基于时空动态融合网络的头戴式脑体作业能力评估方法是由李俊杰;刘钟泽;刘一村;张玲;姜作翰设计研发完成，并于2025-03-24向国家知识产权局提交的专利申请。

本基于时空动态融合网络的头戴式脑体作业能力评估方法在说明书摘要公布了：本发明公开了基于时空动态融合网络的头戴式脑体作业能力评估方法，属于人工智能和人体信号采集技术领域，解决了现有方法无法全面反映个体的综合状态，难以揭示多因素间的相互作用和潜在风险的问题，所述方法包括基于穿戴设备采集生理参数信号，LSTM预测模型输出注意力和疲劳预测结果；本发明中基于预构建的时空动态融合网络模型对图结构数据包分析处理，能够精准评估高原高危作业人员工作状态信号特征，时空图神经网络（STGNN）可捕捉复杂关系、提取高维拓扑特征，动态事件驱动的脉冲神经网络（deSNN）能将其转化为脉冲序列特征以更精准刻画特征值，迭代优化使二者协同，提升了时空动态融合网络模型评估的准确性和可靠性。

本发明授权基于时空动态融合网络的头戴式脑体作业能力评估方法在权利要求书中公布了：1.基于时空动态融合网络的头戴式脑体作业能力评估方法，其特征在于，所述基于时空动态融合网络的头戴式脑体作业能力评估方法包括： 基于穿戴设备采集生理参数信号，其中，生理参数信号包括脑电波信号、光电容积脉搏图信号、心率、血氧； 加载采集到的生理参数信号，对生理参数信号预处理，获取预处理后的生理参数信号，对生理参数信号特征提取； 获取特征提取后的生理参数信号，将生理参数信号转换为图结构数据包，得到图结构数据包集； 加载图结构数据包集，基于预构建的时空动态融合网络模型对图结构数据包分析处理，输出图数据包的最优时序特征向量Ffinal，其中，时空动态融合网络模型STDFN融合了时空图神经网络STGNN和动态事件驱动的脉冲神经网络deSNN，STGNN为用于处理时空数据的图神经网络，STGNN能够捕捉数据中的时空依赖性和拓扑结构信息，STGNN通过图卷积层来聚合节点的邻域信息，从而学习节点的时空特征表示； 以最优时序特征向量Ffinal为输入，执行LSTM预测模型，LSTM预测模型输出注意力和疲劳预测结果； 其中，输出图数据包的最优时序特征向量Ffinal的方法，包括： 将Ft deSNN作为Ft STGNN的输入，其中，Ft deSNN表示在时间t步时，由deSNN处理图结构数据包后得到的特征向量，Ft STGNN表示在时间t步时，由STGNN处理图结构数据包后得到的特征向量，将数据集随机均匀划分为Q个子集； 定义MSE均方误差函数来评估时空动态融合网络模型在给定数据集上的性能，进行交叉验证CV循环过程f∈[1，Q]，将数据集分为Q-1训练集和1个验证集，设计一个迭代函数Ft _k STGNN=IterateFt_k-1 STGNN，STGNN，deSNNk∈R，接收当前的Ft_k-1 STGNN、STGNN和deSNN的模型参数，并返回更新后的特征向量； 在训练集上训练模型，执行迭代更新特征向量，迭代更新过程如下：F0 STGNN作为STGNN的输入，得到中间特征表示Fk-1 STGNN，然后，使用当前的Fk-1 STGNN作为deSNN的输入，得到Fk -1 deSNN，采用归一化确保特征向量正确传递，再将Fk-1 deSNN反馈给STGNN，以更新Fk STGNN，对于每个迭代次数k，执行迭代函数并收集输出Fk STGNN； 在验证集上评估模型性能，记录性能指标，对于每个f，记录性能指标，计算所有f完成后的平均性能指标CV=1K∑K f=1Performancef，比较不同迭代次数下的平均性能指标，选择性能最佳的迭代次数kbest=argmaxkCVK，最后在整个训练集和确定的最佳kbest对模型进行端到端的训练，在独立的测试集上评估最终模型的性能，从而得到综合时空信息和统计特征的特征向量Ffinal。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人北京九叁有方物联网科技有限公司，其通讯地址为：100126 北京市大兴区荣京东街3号楼1幢15层1单元1315-023；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。