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
环保节能
智能控制模块
变电柜
变电站
环境监测模块
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
隧道围岩
智能解析方法
声弹性理论
岩石单轴
参数
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
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