[发明专利]基于Transformer的脑波场景参数生成方法及存储介质在审
| 申请号: | 202210570545.0 | 申请日: | 2022-05-24 |
| 公开(公告)号: | CN115105097A | 公开(公告)日: | 2022-09-27 |
| 发明(设计)人: | 焦良存;李亚楠 | 申请(专利权)人: | 安徽七度生命科学集团有限公司 |
| 主分类号: | A61B5/374 | 分类号: | A61B5/374;A61B5/378;A61B5/38;A61B5/381;A61B5/383;A61B5/00;A61M21/00 |
| 代理公司: | 合肥蓝东知识产权代理事务所(普通合伙) 34207 | 代理人: | 陶志国 |
| 地址: | 230000 安徽省合肥市蜀山区新*** | 国省代码: | 安徽;34 |
| 权利要求书: | 查看更多 | 说明书: | 查看更多 |
| 摘要: | |||
| 搜索关键词: | 基于 transformer 脑波 场景 参数 生成 方法 存储 介质 | ||
1.一种基于Transformer的脑波场景参数生成方法,其特征在于,包括以下步骤,
对收集到的脑波数据进行编码处理;
将处理后的脑波数据输入到公共Encoder Block结构中;
基于公共Encoder Block结构输出进行脑波占比和场景参数的双任务预测。
2.根据权利要求1所述的基于Transformer的脑波场景参数生成方法,其特征在于:所述对收集到的脑波数据进行编码处理,包括,
首先将脑波数据进行必要的处理,得到统一的输入形式;
对于包含位置和位置上的数值的序列脑波数据,使用均值对序列数据进行填充,即将其中的缺失值使用全体数据统计得到的均值进行填充;
填充完毕之后,通过编码器对数据进行编码,按顺序依次进行。
3.根据权利要求1所述的基于Transformer的脑波场景参数生成方法,其特征在于:将处理后的脑波数据输入到公共Encoder Block结构中,包括,
公共Encoder Block结构的实现方式就是多个Transformer中的Encoder结构叠加,Encoder结构在Transformer中实现的方式是使用多个自注意力结构叠加;
脑波数据编码之后的数据经过公共Encoder Block的时候,会通过其中的自注意力结构进行特征的变换,最终输出一个结果矩阵,该结果矩阵行列数与原始矩阵的行数相同,该过程提取的是脑波数据中各位置之间的影响权重。
4.根据权利要求1所述的基于Transformer的脑波场景参数生成方法,其特征在于:所述基于公共Encoder Block结构输出进行脑波占比和场景参数的双任务预测,包括公共Encoder Block结构的输出分别输入到脑波占比预测的Decoder Block结构中和场景参数预测的Decoder Block结构中,具体过程如下:
Decoder Block除了会将公共Encoder Block的输出作为输入以外,还会将预测结果作为输入,即Encoder Block的输入是一个原始脑波数据编码后的,而Decoder Block的输入其中一个公用的是Encoder Block的输出,另外一个是各自需要预测的内容的真实结果,即脑波占比预测的Decoder Block需要输入一个根据原始脑波数据统计得到的脑波的真实占比,而场景参数预测需要输入原始脑波对应的真实场景参数;
对于脑波占比预测的Decoder Block,输入为公共Encoder Block的输出和真实脑波占比数据时,其预测输出是与真实脑波占比数据形式一致的结果;
对于场景参数预测的Decoder Block,输入为公共Encoder Block的输出和真实场景参数数据时,其预测输出分为两个阶段:第一个阶段是得到场景参数的预测概率结果,将场景参数的预测概率结果中每一个场景参数对应的概率最大的类别当做预测确定的类别,就能够得到与真实场景参数数据形式一致的结果,其形式也是组成所需场景的各类要素设置的数值。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于安徽七度生命科学集团有限公司,未经安徽七度生命科学集团有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/202210570545.0/1.html,转载请声明来源钻瓜专利网。
- 上一篇:一种回转窑密封系统
- 下一篇:基于边缘云服务的车辆调度方法、装置、设备及介质
- 基于Transformer+LSTM神经网络模型的商品销量预测方法及装置
- 一种基于Transformer模型自然场景文字识别方法
- 一种深度Transformer级联神经网络模型压缩算法
- 点云分割方法、系统、介质、计算机设备、终端及应用
- 基于Transformer的中文智能对话方法
- 一种基于改进Transformer模型的飞行器故障诊断方法和系统
- 一种基于Transformer模型的机器翻译模型优化方法
- 基于Transformer和增强交互型MPNN神经网络的小分子表示学习方法
- 基于U-Transformer多层次特征重构的异常检测方法及系统
- 基于EfficientDet和Transformer的航空图像中的飞机检测方法





