申请/专利权人：重庆邮电大学

申请日：2023-12-28

公开（公告）日：2024-03-22

公开（公告）号：CN117743818A

主分类号：G06F18/2113

分类号：G06F18/2113;A61B5/369;G06F18/214;G06F18/241;G06N3/0464;G06N3/096;G06N3/0895

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.04.09#实质审查的生效;2024.03.22#公开

摘要：本发明请求保护一种基于多源域互信息的运动想象脑电信号域适应方法。首先通过互信息估计将特征提取器中间层的特征映射分解为类无关和类相关的特征映射；然后通过引入Lmmd损失对前馈网络模型进行扩展，实现子域适应。对于源域中的样本，使用真实标签来计算每个样本属于某一类的权重。对于没有标签的目标域数据，通过神经网络预测得到样本伪标签，其样本权重计算方法同源域样本权重计算，将网络的输出作为无标签目标域的伪标签。最后分别将每对源域和目标域数据映射到多个不同的特征空间，并对齐域特定分布以学习多个域不变特征。然后使用域不变特征训练多个特定于域的分类器。本方法可以有效减少跨受试者可变性高的问题。

主权项：1.一种基于多源域互信息的运动想象脑电信号域适应方法，其特征在于，包括以下步骤：步骤1：将已有受试者的脑电信号作为源域数据，新加入受试者的脑电信号作为目标域数据，对两个域的原始脑电数据进行包括去均值、带通滤波和归一化在内的预处理；步骤2：将经过预处理的脑电数据输入到编码器中，提取脑电数据的中间特征Fm；步骤3：将中间特征Fm输入到逐点卷积层中，并将类相关特征fre和类无关特征fir输入到互信息估计器中，最小化他们的互信息；步骤4：将类相关特征fre作为输入，通过最小化分类损失Lcls来训练分类器C；步骤5：将类相关特征fre和分类器预测的目标域伪标签一同输入分布度量器D，进行分布估计；步骤6：综合步骤3、步骤4、步骤5的损失函数得到最终的目标函数，将目标函数最小化。

全文数据：

权利要求：

百度查询： 重庆邮电大学 一种基于多源域互信息的运动想象脑电信号域适应方法

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。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD