X为了获得更好的用户体验,请使用火狐、谷歌、360浏览器极速模式或IE8及以上版本的浏览器
关于我们
欢迎来到科易网(仲恺)技术转移协同创新平台,请 登录 | 注册
尊敬的 , 欢迎光临!  [会员中心]  [退出登录]
成果 专家 院校 需求
当前位置: 首页 >  科技成果  > 详细页

[00901977]一种基于增强卷积神经网络的运动想象脑电信号识别方法

交易价格: 面议

所属行业: 网络

类型: 发明专利

技术成熟度: 正在研发

专利所属地:中国

专利号:CN202010547741.7

交易方式: 其他

联系人:

所在地:浙江杭州市

服务承诺
产权明晰
资料保密
对所交付的所有资料进行保密
如实描述
|
收藏
|

技术详细介绍

本发明公开了一种基于增强卷积神经网络的运动想象脑电信号识别方法。本发明首先采集大脑皮层上对应电极通道的运动想象脑电信号数据并预处理;将预处理信号进行时序切片,增加训练数据量,提高CNN模型的泛化能力,减少不同受试者的运动想象特征提前或是滞后的影响;采用STFT对信号进行时频分析,将时序信号转化为具有时、频、空域特征的二维图像数据;构建CNN模型,加入改进的Adaboost算法,将参数训练后的多个CNN模型作为Adaboost模块基学习器,模型会根据基学习器分类误差率自动更新基学习器,进一步增强CNN模型的泛化能力,减少各时间片之间的信息冗余影响,使测试分类准确率偏差减小,分类准确率提高。
本发明公开了一种基于增强卷积神经网络的运动想象脑电信号识别方法。本发明首先采集大脑皮层上对应电极通道的运动想象脑电信号数据并预处理;将预处理信号进行时序切片,增加训练数据量,提高CNN模型的泛化能力,减少不同受试者的运动想象特征提前或是滞后的影响;采用STFT对信号进行时频分析,将时序信号转化为具有时、频、空域特征的二维图像数据;构建CNN模型,加入改进的Adaboost算法,将参数训练后的多个CNN模型作为Adaboost模块基学习器,模型会根据基学习器分类误差率自动更新基学习器,进一步增强CNN模型的泛化能力,减少各时间片之间的信息冗余影响,使测试分类准确率偏差减小,分类准确率提高。

推荐服务:

Copyright © 2015 科易网 版权所有 闽ICP备07063032号-5