“eegnet ”专利关键词查询_检索下载_查询列表_检索列表_行业专利分布_钻瓜专利网

钻瓜专利网为您找到相关结果14个，建议您升级VIP下载更多相关专利

[发明专利]基于EEGNet和LSTM并行网络的脑电信号多分类方法及系统-CN202310732885.3在审
发明人：罗响;胡炫烨 -专利权人：中国地质大学（武汉）
申请日： 2023-06-19 - 公布日： 2023-09-22 - 主分类号： G06F18/2431 文献下载
摘要：本发明提供一种基于EEGNet和LSTM并行网络的脑电信号多分类方法及系统，包括以下步骤：构建EEG‑LSTMNet模型，EEG‑LSTMNet模型包括并行设置的EEGNet模块和LSTM模块；对EEG‑LSTMNet模型进行参数设置和训练，获得训练好的EEG‑LSTMNet模型；获取脑电信号，通过训练好的EEG‑LSTMNet模型中的EEGNet模块和LSTM模块分别对脑电信号进行特征提取，获得EEGNet频域特征和LSTM时域特征；将EEGNet频域特征和LSTM时域特征进行融合，获得最终脑电信号分类结果。本发明构建了一种EEG‑LSTMNet模型，将EEGNet和LSTM并行设置，EEGNet在继承了CNN优点的同时，解决了同一CNN不能处理不同实验范式信号的缺点，可以获得更加精确的频域特征；通过EEGNet
基于 eegnet lstm 并行网络电信号分类方法系统

[发明专利]基于EEGNet的静息态脑电意识障碍分类方法及系统-CN202210596059.6在审
发明人：杨勇;姜肖;孙芳芳 -专利权人：杭州电子科技大学
申请日： 2022-05-30 - 公布日： 2022-09-20 - 主分类号： A61B5/00 文献下载
摘要：本发明涉及基于EEGNet的静息态脑电意识障碍分类方法及系统，分类方法包括：S1、采集脑电信号数据集，并根据病例进行划分；S2、对划分后的脑电信号进行滤波处理；S3、对滤波处理后的脑电信号数据进行重采样，得到样本集；S4、设定脑电信号阈值，剔除样本集中脑电信号值超出脑电信号阈值的样本得到目标样本集；将各病例的目标样本集划分为训练集和测试集；S5、构建EEGNet模型，并利用训练集对EEGNet模型进行训练；S6、利用测试集对训练后的EEGNet模型进行性能评估，得到目标EEGNet模型；S7、将待测脑电信号输入目标EEGNet模型，得到分类结果。
基于 eegnet 静息态脑电意识障碍分类方法系统

[发明专利]一种基于通道注意力和多尺度时域卷积的运动想象脑电信号分类方法-CN202111606161.1在审
发明人：王丹;许晴;陈佳明;付利华;谭睎月 -专利权人：北京工业大学
申请日： 2021-12-25 - 公布日： 2022-04-01 - 主分类号： G06K9/00 文献下载
摘要：针对脑电信号信噪比低导致特征提取困难的问题，提出一种基于EEGNet改进的网络模型，简称“MCA‑EEGNet”。首先，使用并行多尺度的时间卷积层代替EEGNet模型中的普通卷积层，以更好地进行特征提取，从而提高分类准确率。相比较EEGNet模型，本发明提出的分类方法更能有效地提升对运动想象脑电信号的特征提取和分类性能。
一种基于通道注意力尺度时域卷积运动想象电信号分类方法

[发明专利]一种基于卷积神经网络的六类运动想象脑电信号分类方法-CN202211511320.4在审
发明人：褚明;毕敬峰;王玉成;邓倩雯 -专利权人：北京邮电大学
申请日： 2022-11-29 - 公布日： 2023-03-07 - 主分类号： G06N3/044 文献下载
摘要：本发明涉及一种基于运动想像的脑机接口系统，具体是一种基于卷积神经网络的六类运动想象脑电信号分类方法，包括基于小波散射变换的特征提取模块WST和基于卷积神经网络的分类模块EEGNet16。基于小波散射变换的特征提取模块WST使用小波散射变换提取运动想象脑电信号的特征向量；基于卷积神经网络的分类模块EEGNet16使用提取出的特征向量进行训练与分类，同时在EEGNet16中引入了可分离卷积块和残差学习块
一种基于卷积神经网络运动想象电信号分类方法

[发明专利]一种基于深度学习及图像特征的脑电数据分类方法-CN202111212519.2在审
发明人：曾虹;夏念章;刘洋;吴琪;金燕萍;张振炎 -专利权人：杭州电子科技大学
申请日： 2021-10-19 - 公布日： 2022-01-28 - 主分类号： G06K9/00 文献下载
摘要：使用EEGnet作为特征分类的方法，图像特征学习网络作为重要处理方式，通过对EEG信号进行图像特征提取及学习,对特征进行分类。获取EEG数据并预处理；用被试观看的图片做数据预处理，并用EEGnet对图像数据做训练，得到图像特征分类器；用特征学习方法从脑电数据中得到图像特征向量；将EEG信号提取出的图像特征向量放入特征分类器中分类
一种基于深度学习图像特征数据分类方法

[发明专利]一种脑电深度神经网络的模型压缩方法-CN202210061482.6在审
发明人：冯立琛;张岳琦;朱樟明;刘术彬;文奎;曹文飞 -专利权人：西安电子科技大学
申请日： 2022-01-19 - 公布日： 2022-06-03 - 主分类号： G06N3/08 文献下载
摘要：本发明公开了一种脑电深度神经网络的模型压缩方法，利用纵深式卷积层权重完成目标电极通道的选择，以避免大规模的人工设计特征计算或设计专用通道选择器，充分利用脑电深度神经网络EEGNet自身的特性；同时，针对全连接层本发明提供的脑电深度神经网络的模型压缩方法能够大幅度降低EEGNet的计算复杂度，降低模型在可穿戴、嵌入式等设备上的部署难度，进而更好地支撑相关的脑机接口应用研究。
一种深度神经网络模型压缩方法

[发明专利]一种多分类器结合的矿用机器人意念感知与决策方法-CN202110296480.0在审
发明人：刘驰;汪梅;郑天威;郭园;李远成 -专利权人：西安科技大学
申请日： 2021-03-19 - 公布日： 2021-06-01 - 主分类号： G06K9/00 文献下载
摘要：本发明提供了一种多分类器结合的矿用机器人意念感知与决策方法；步骤1，数据获取与预处理；步骤2，改变模板匹配中各相似度的简单结合策略，并搭建DCPM算法模型；步骤3，基础分类器的构建，构建线性判别分类器、EEGNet本发明使用支持径向基神经网络，对线性判别分析、EEGNet神经网络模型和改进的DCPM算法三种基础分类器提取的特征信息进行融合，输出矿用机器人的控制指令，实现对矿用机器人的感知与决策。
一种分类结合机器人意念感知决策方法

[发明专利]变压器故障的监测方法、装置、计算机设备和存储介质-CN202210918094.5在审
发明人：禹晋云;王玉俊;乔柱桥;张任驰;李少森;杨启宾;任君;陈图腾;王超;柳坤;吴斌;吕俊瑶;阮峻;蒋新华;谭佳;孙豪;黄大彬;杨锐雄;毛仕涛;毛文俊;李祥斌 -专利权人：中国南方电网有限责任公司超高压输电公司昆明局
申请日： 2022-08-01 - 公布日： 2022-11-25 - 主分类号： G06K9/00 文献下载
摘要：所述方法包括：获取变压器运行时的音频数据；将所述音频数据输入至故障识别模型，经所述故障识别模型输出故障识别结果，其中，所述故障识别模型为基于EEGNet网络，并根据音频数据与故障类型的对应关系训练获得。
变压器故障监测方法装置计算机设备存储介质

[发明专利]一种基于听觉诱发脑电信号分析的意识障碍辅助诊断系统-CN202110431490.0在审
发明人：冯凯强;商慧亮;曾新华;宋梁;吴易甲;李成芳;刘静怡 -专利权人：复旦大学
申请日： 2021-04-21 - 公布日： 2021-07-16 - 主分类号： A61B5/00 文献下载
摘要：输出刺激音频从而刺激待测者的脑部；脑电信号采集模块，用于采集当刺激音频刺激待测者的脑部时产生的脑电信号；以及分析判断模块，分别与听觉刺激模块以及脑电信号采集模块通信连接，用于接收脑电信号并对脑电信号采用LSTM+SVM算法以及EEGNet
一种基于听觉诱发电信号分析意识障碍辅助诊断系统

[发明专利]一种基于深度学习的手部运动脑电信号分类方法-CN202211728090.7在审
发明人：宋亚林;徐晨;王龙葛;夏任喆;于俊洋;何欣 -专利权人：河南大学
申请日： 2022-12-29 - 公布日： 2023-04-14 - 主分类号： A61B5/372 文献下载
摘要：1)按照手部动作实验范式进行数据采集，构建手部运动脑电信号数据集，并对数据集进行滤波、去伪迹等预处理操作；2)加入自动权重数据平衡模块，加入动作电位特征提取卷积模块，引入注意力机制模块，构建基于改进的EEGNet
一种基于深度学习运动电信号分类方法

[发明专利]MI-EEG信号的分类系统、方法、电子设备及存储介质-CN202310218867.3在审
发明人：刘伟奇;马学升;陈金钢;彭思源;王肖玮;陈韵如 -专利权人：同心智医科技（北京）有限公司
申请日： 2023-03-09 - 公布日： 2023-05-05 - 主分类号： A61B5/377 文献下载
摘要：电子设备及存储介质，MI‑EEG信号的分类方法包括：对MI‑EEG信号数据集进行预处理得到预处理后的数据集，基于数据集划分训练集和测试集；构建多分支卷积神经网络模型，第一分支、第二分支和第三分支分别包括EEGNet
mi eeg 信号分类系统方法电子设备存储介质

[发明专利]基于迁移学习的脑卒中患者运动想象任务识别方法及系统-CN202010527624.4在审
发明人：徐舫舟;苗芸菁;单东日;张杨;荣芬奇;孙亚南 -专利权人：齐鲁工业大学;山东大学齐鲁医院
申请日： 2020-06-11 - 公布日： 2020-09-22 - 主分类号： G06K9/00 文献下载
摘要：利用迁移学习构建训练模型，有效地提取脑电信号特征并实现高效的模式分类，采用的技术方案为：该方法具体如下：采集及预处理脑电信号：采集脑卒中患者的包含MI的脑电信号，对脑电信号进行预处理；特征提取和分类：使用EEGNet
基于迁移学习脑卒中患者运动想象任务识别方法系统

[发明专利]一种基于自注意力机制和并行卷积的运动想象脑电信号分类方法-CN202310212631.9在审
发明人：王丹;周浩;陈佳明;许萌 -专利权人：北京工业大学
申请日： 2023-03-07 - 公布日： 2023-06-23 - 主分类号： G06F18/24 文献下载
摘要：针对脑电信号信噪比低导致特征提取困难的问题，提出一种基于EEGNet改进的网络模型，简称EEG‑MATCNet。
一种基于注意力机制并行卷积运动想象电信号分类方法

[发明专利]脑纹识别数据库构建方法、装置、计算机设备和存储介质-CN201811535233.6在审
发明人：彭德源;尚宝祥;朱磊;李凯涛;常春起 -专利权人：深圳大学
申请日： 2018-12-14 - 公布日： 2019-04-26 - 主分类号： G06F16/20 文献下载
摘要：所述方法包括：接收被测试者的脑电波信号数据，对脑电波信号数据进行去噪声处理，获取去噪声后的第一脑电波信号数据，根据预设的带通滤波算法筛选第一脑电波信号数据，获取滤波后的第二脑电波信号数据，根据预设的EEGnet
脑电波信号测试特征数据集合计算机设备数据库构建存储介质空间滤波去噪声预设数据库卷积神经网络带通滤波生物识别算法学习构建滤波算法筛选申请

1
共 14 条