“莫良言”申请（专利权）人搜索_中国专利权人_发明人_技术持有人_科研专家_钻瓜专利网

钻瓜专利网为您找到相关结果4个，建议您升级VIP下载更多相关专利

[发明专利]一种基于注意力引导张量网络的想象语音分类方法及系统-CN202310580969.X在审
发明人：孔万增;李昌盛;周文晖;王宇涵;莫良言;金宣妤 -专利权人：杭州电子科技大学
申请日： 2023-05-19 - 公布日： 2023-08-15 - 主分类号： G10L15/16 文献下载
摘要：本发明公开一种基于注意力引导张量网络的想象语音分类方法及系统。获取意念想象语音脑电数据，以及其对应的标签label；对上述意念想象语音脑电数据进行数据增强，构建训练数据集；构建注意力引导张量网络，利用数据集中的数据增强后训练集进行训练，并采用数据集中未增强的测试集进行测试；利用训练并验证好的注意力引导张量网络实现脑电的想象语音分类。本发明方法将数据增强以及注意力机制的分类标识位引导的张量网络技术结合起来，实现高精度的想象语音脑电分类性能。
一种基于注意力引导张量网络想象语音分类方法系统

[发明专利]一种基于时间-频域融合Transformer的脑电视觉分类方法-CN202111618626.5在审
发明人：周文晖;莫良言;王宇涵;孔万增;戴国骏 -专利权人：杭州电子科技大学
申请日： 2021-12-27 - 公布日： 2022-04-08 - 主分类号： G06K9/62 文献下载
摘要：本发明公开了一种基于时间‑频域融合Transformer的脑电视觉分类方法。本发明包括：1：构建时间预处理模块；用于对原始脑电信号进行滤波处理和时间信息提取，输出为时域特征；2：构建频域预处理模块；使用功率谱密度方法对原始脑电信号提取4个频段特征并进行特征拼接，输出为频域特征；S3：构建时间‑频域融合Transformer的特征融合模块，以时域特征与频域特征作为输入，输出时频融合特征；4：构建时间‑频域融合Transformer的分类模块，以时频融合特征作为输入，输出分类结果。本发明提高计算机通过脑电信号感知物体类别的稳定性和正确率，以实现更高精度的脑电信号分类效果，对人机交互领域的发展有重要的现实意义。
一种基于时间融合 transformer 视觉分类方法

[发明专利]一种基于时间-通道级联Transformer网络的脑电识别方法-CN202111614470.3在审
发明人：周文晖;王宇涵;莫良言;孔万增;戴国骏 -专利权人：杭州电子科技大学
申请日： 2021-12-27 - 公布日： 2022-02-25 - 主分类号： G06F3/01 文献下载
摘要：本发明公开了一种基于时间‑通道级联Transformer网络的脑电识别方法。本发明包括如下步骤：1：获取意念想象英文字符脑电数据，构建预处理模块；2：构建时间‑通道级联Transformer网络的时间模块，该时间模块的输入数据为预处理后的脑电数据，输出是提取后的时间特征；3：构建时间‑通道级联Transformer网络的脑电通道模块，该脑电通道模块的输入数据为时间特征，输出是提取后的时空融合特征；4：构建时间‑通道级联Transformer网络的分类模块，该分类模块的输入为时空融合特征，该分类模块的输出为分类结果。本发明能够有效提高字符想象脑电信号的识别准确率。
一种基于时间通道级联 transformer 网络识别方法

[发明专利]基于遮挡区域迭代优化的光场深度自监督学习方法-CN202011151995.3在审
发明人：周文晖;洪勇杰;莫良言;张桦;戴国骏 -专利权人：杭州电子科技大学
申请日： 2020-10-26 - 公布日： 2021-01-29 - 主分类号： G06T7/557 文献下载
摘要：本发明公开了一种基于遮挡区域迭代优化的光场深度自监督学习方法。本发明步骤如下：S1：从光场图像中提取网络输入；S2：搭建自监督光场深度估计网络，网络输出为中心子光圈图像的视差图。S3：设计基于遮挡掩模的自监督学习损失函数，设定初始遮挡掩模为无遮挡情况。S4：优化基于遮挡掩模的自监督学习损失函数，训练自监督光场深度估计网络。S5：利用步骤S4中训练完成的自监督光场深度估计网络预测得到中心子光圈图像的视差图，计算中心子光圈图像的遮挡区域，更新遮挡掩模。S6：若更新前和更新后遮挡掩模的差异小于设定阈值，则退出迭代优化；否则返回步骤S4。本发明实现遮挡区域的迭代优化，同时优化光场深度估计结果。
基于遮挡区域优化深度监督学习方法