摘要
本发明实施例提供了一种大脑活动信号识别方法和相关装置,方法包括:获取受试者的EEG信号和fNI RS信号;将EEG信号和fNI RS信号输入至解纠缠多模态时空学习模型,得到受试者的大脑活动信号识别结果,其中,通道重构模块用于为每个模态生成具有丰富时空模式的特征,多模态注意力模块用于全面捕获模态间相关性并增强每个模态的表示,多分支图卷积模块用于解纠缠表示学习和捕获有效的时空耦合特征,分类模块用于自适应地融合解纠缠的表示并执行任务预测。基于此,本发明实施例能够有效捕捉EEG和fNI RS信号的时空耦合特征及其相关性,生成更精细的多模态表示,从而显著提升对受试者进行大脑活动信号识别的准确性。
技术关键词
信号识别方法
多模态注意力
重构模块
卷积模块
多分支
耦合特征
嵌入块
计算机可执行指令
编码
信号识别装置
通道
矩阵
互补特征
样本
注意力机制
定义
系统为您推荐了相关专利信息
多普勒
反演模型
多模态数据融合
时延
卷积神经网络模型
人脸情绪识别模型
个性化视频
训练样本数据
注意力机制
模型训练模块
卷积特征
深度学习语义分割
梯田提取方法
上采样
生成多尺度
三维人脸重建
高分辨率人脸图像
集成学习策略
轻量级人脸检测
低分辨率人脸图像