一种基于小波神经量化训练与语义对齐的EEG表征方法

AITNT
正文
推荐专利
一种基于小波神经量化训练与语义对齐的EEG表征方法
申请号:CN202510864949
申请日期:2025-06-26
公开号:CN120910552A
公开日期:2025-11-07
类型:发明专利
摘要
本发明提供了一种基于小波神经量化训练与语义对齐的EEG表征方法,训练方法包括:S1、获取训练数据,其包括多个EEG信号样本,每个样本包括多个EEG子信号;S2、利用训练数据训练小波量化神经标记器及其神经码本,包括:利用小波量化神经标记器的向量量化编码器对输入的样本进行离散小波变换,生成每个样本的每个子信号对应的经离散小波变换得到的特征块,提取每个特征块的潜在表示;获取根据潜在表示从神经码本中的多个离散向量匹配的最接近的离散向量,利用基于小波逆变换的神经解码器根据每个特征块所匹配的离散向量对该特征块对应的EEG子信号进行重建;根据第一总损失函数对神经标记器的参数及其神经码本的离散向量进行训练更新。
技术关键词
离散小波变换 EEG信号分类 局部空间特征 样本 标记器 语义特征 并行特征融合 表征方法 通道注意力机制 分类方法 幅值误差 误差加权 文本编码器 分类器 解码器
系统为您推荐了相关专利信息
1
一种环保节能变电站
环保节能 智能控制模块 变电柜 变电站 环境监测模块
2
训练样本生成及模型训练方法、装置、设备及存储介质
生成训练样本 训练样本生成方法 生成训练数据 模型训练方法 训练样本数据
3
基于随钻参数的隧道围岩地应力量值智能解析方法及系统
隧道围岩 智能解析方法 声弹性理论 岩石单轴 参数
4
一种基于焊道3D点云图像的焊接缺陷识别方法
3D点云数据 3D点云图像 缺陷特征提取 缺陷识别方法 联合损失函数
5
一种深度学习驱动的小目标跟踪方法和系统
背景减除方法 深度卷积神经网络 跟踪方法 深度度量学习 边缘检测
添加客服微信openai178,进AITNT官方交流群
驱动智慧未来:提供一站式AI转型解决方案
沪ICP备2023015588号