申请/专利权人：南方医科大学南方医院;南方医科大学

申请日：2023-12-29

公开（公告）日：2024-04-16

公开（公告）号：CN117494013B

主分类号：G06F18/2431

分类号：G06F18/2431;G06N3/0464;G06N3/0985;G06F18/213;G06F18/2415;G06F18/25

优先权：

专利状态码：有效-授权

法律状态：2024.04.16#授权;2024.02.23#实质审查的生效;2024.02.02#公开

摘要：一种多尺度权值共享卷积神经网络及其脑电情感识别方法，其中多尺度权值共享卷积神经网络设置有：多尺度特征表示与权值共享卷积的动态时间层用于从脑电信号中提取不同尺度的时频域特征；多尺度特征表示与权值共享卷积的非对称空间层根据情感脑功能拓扑结构，在空间维度下提取所述时频域特征的多尺度特征，然后将所述多尺度特征作为情感在对应脑功能区的特征表达；特征整合层融合所述多尺度特征并进行高级特征抽取、整合；分类层输出情感归属于各个种类的概率。本发明提升了模型的泛化能力以及在跨被试情感分类的准确率。本发明的预处理过程简单，而且深度学习模型智能，能自动学习并提取样本高级抽象特征，避免大量繁琐的人工特征选择与特征降维，所以本发明具备端对端特征学习与情感识别的优势。

主权项：1.一种多尺度权值共享卷积神经网络，其特征在于，设置有：多尺度特征表示与权值共享卷积的动态时间层——用于从脑电信号中提取不同尺度的时频域特征；多尺度特征表示与权值共享卷积的非对称空间层——根据情感脑功能拓扑结构，在空间维度下提取所述时频域特征的多尺度特征，然后将所述多尺度特征作为情感在对应脑功能区的特征表达；特征整合层——融合所述多尺度特征并进行高级特征抽取、整合；分类层——输出情感归属于各个种类的概率；所述动态时间层设置有：多尺度时频域卷积单元——构建有不同尺度的第一卷积核；多级别权值共享卷积分解单元——分别使用每个尺度的第一卷积核对脑电信号进行连续卷积操作，得到对应单一尺度不同层级的下采样后结果、上采样后结果和作差结果；多维度特征拼接单元——将所有尺度的所述下采样后结果、所述上采样后结果和所述作差结果在数据特征矩阵的不同维度进行拼接，得到空域特征；所述多级别权值共享卷积分解单元的卷积分解方法通过如下步骤进行：A1、设定卷积待分解的最大级数l，且l为大于2的整数；A2、分别使用每个尺度对应的第一卷积核对脑电信号从卷积待分解的小级数至大级数的顺序进行逐级卷积分解操作，且在每级数卷积分解操作过程后，对当前级数卷积结果进行下采样，得到下采样结果Gj，j∈[1，…，l-1]，将下采样结果Gj作下一级数的卷积分解；A3、当到达最大级数时，进入A4；A4、从卷积待分解的大级数至小级数的顺序进行逐级卷积分解操作，且在每级数卷积分解操作过程后，对当前级数卷积结果进行上采样，得到上采样结果Cj，将当前上采样结果Cj作上一级数的卷积分解，当到达最小的卷积分解级数时停止；A5、将相同尺度下每个级数的下采样结果Gj与对应的上采样结果Cj做差，得到作差结果Lj。

全文数据：

权利要求：

百度查询： 南方医科大学南方医院;南方医科大学 一种多尺度权值共享卷积神经网络及其脑电情感识别方法

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