[发明专利]一种结合卷积神经网络和长短时记忆网络的脑电识别方法在审
申请号: | 201810011177.X | 申请日: | 2018-01-05 |
公开(公告)号: | CN107961007A | 公开(公告)日: | 2018-04-27 |
发明(设计)人: | 蔡军;魏畅;唐贤伦;昌泉;陈晓雷;曹慧英;万亚利;李佳歆 | 申请(专利权)人: | 重庆邮电大学 |
主分类号: | A61B5/0476 | 分类号: | A61B5/0476;G06N3/04 |
代理公司: | 重庆市恒信知识产权代理有限公司50102 | 代理人: | 刘小红 |
地址: | 400065 重*** | 国省代码: | 重庆;85 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | 本发明请求保护一种结合卷积神经网络(CNN)和长短时记忆网络(LSTM)的脑电识别方法,首先使用Emotiv采集仪采集脑电信号数据,并对采集到的脑电信号进行去均值、滤波、归一化等预处理;其次,将预处理后的数据输入卷积层和池化层提取空间特征;然后,在池化层后直接接入LSTM,提取脑电数据的时序信息,最后经过Dropout和全连接层,完成分类任务。本发明能充分利用脑电信号的时空特征,提取脑电数据的空间和时序信息,从而提高脑电信号的分类准确率,也为研究脑电识别提供了一个新的途径。 | ||
搜索关键词: | 一种 结合 卷积 神经网络 短时记忆 网络 识别 方法 | ||
【主权项】:
一种结合卷积神经网络和长短时记忆网络的脑电识别方法,其特征在于,包括以下步骤:1)、首先使用Emotiv采集仪采集脑电信号数据,并对采集到的脑电信号进行包括去均值、滤波、归一化在内的预处理;2)、其次,将预处理后的数据输入卷积神经网络,所述卷积神经网络从上至下包括两层卷积和两层池化,通过卷积池化提取脑电数据的空间特征;3)、然后,将步骤2)提取的脑电数据空间特征直接输入长短时记忆LSTM网络,提取脑电数据的时序信息,所述LSTM网络改进在于:通过在每个LSTM单元中引入门结构,即sigmoid层输出的每个元素都是一个在0和1之间的实数,表示让对应信息通过的权重或者占比;以确定如何忘记来自先前输入的信息,并且在长距离序列中新输入可用时更新信息。4)、最后将提取的脑电数据的时序信息经过Dropout和全连接层,完成分类任务。
下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。
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重庆邮电大学,未经重庆邮电大学许可,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/patent/201810011177.X/,转载请声明来源钻瓜专利网。
- 上一篇:神经内科触觉感知装置
- 下一篇:一体化全自动采血仪及采血方法