Document
拖动滑块完成拼图
个人中心

预订订单
商城订单
发布专利 发布成果 人才入驻 发布商标 发布需求

请提出您的宝贵建议,有机会获取IP积分或其他奖励

投诉建议

在线咨询

联系我们

龙图腾公众号
首页 专利交易 IP管家助手 科技果 科技人才 积分商城 国际服务 商标交易 会员权益 需求市场 关于龙图腾
 /  免费注册
到顶部 到底部
清空 搜索
当前位置 : 首页 > 专利喜报 > 太原理工大学曹若琛获国家专利权

太原理工大学曹若琛获国家专利权

买专利卖专利找龙图腾,真高效! 查专利查商标用IPTOP,全免费!专利年费监控用IP管家,真方便!

龙图腾网获悉太原理工大学申请的专利一种用于EEG情感识别的基于多尺度网络的情感识别方法获国家发明授权专利权,本发明授权专利权由国家知识产权局授予,授权公告号为:CN120372427B

龙图腾网通过国家知识产权局官网在2025-11-25发布的发明授权授权公告中获悉:该发明授权的专利申请号/专利号为:202510444385.9,技术领域涉及:G06F18/2413;该发明授权一种用于EEG情感识别的基于多尺度网络的情感识别方法是由曹若琛;贺瑞杰;曹锐;温昕设计研发完成,并于2025-04-10向国家知识产权局提交的专利申请。

一种用于EEG情感识别的基于多尺度网络的情感识别方法在说明书摘要公布了:本发明属于脑电信号处理与分析技术领域,具体涉及一种用于EEG情感识别的基于多尺度网络的情感识别方法,包括下列步骤:EEG信号采集与预处理,将原始信号按不重叠的时间窗口进行分割,每个窗口对应一个信号段,然后将这些信号段堆叠成一个矩阵;掩码对齐模块,用于处理和对齐数据,从而提高数据的清晰度和分析的可靠性;PTSwin‑Net模型,模型由并行的TemporalSwin块组成,最后通过3D卷积进行特征提取和融合;动态线性层,用于分类的动态线性层,使模型能够捕捉复杂的模式并做出准确的预测;情绪识别,每个阶段,依次将每个受试者的样本作为测试集,而将剩余受试者的样本合并为训练集。本发明的PTSwin‑Net模型通过并行的TemporalSwin块架构,实现了对EEG信号的多尺度时空特征提取。

本发明授权一种用于EEG情感识别的基于多尺度网络的情感识别方法在权利要求书中公布了:1.一种用于EEG情感识别的基于多尺度网络的情感识别方法,其特征在于,包括下列步骤: S1、EEG信号采集与预处理,将原始信号按不重叠的时间窗口进行分割,每个窗口对应一个信号段,然后将这些信号段堆叠成一个矩阵; S2、掩码对齐模块,用于处理和对齐数据,从而提高数据的清晰度和分析的可靠性; EEG信号最初表示为,其中表示EEG电极数量,表示信号的总长度;应用一个长度为的离散、不重叠的窗口来将信号分割成块,每个块对应于由索引的一个段;然后,这些块被堆叠在一起,形成矩阵,其中表示段的总数; 掩码对齐模块被引入用于通过在数据处理中利用无限值来对齐数据集;最初,使用无限值进行填充,以对齐段的长度,从而确保数据的一致性和对齐;然后,使用掩码技术过滤掉无限值; 为了对齐段的长度,应用无限值进行填充;填充表示为: 其中,padding是一个用无限值填充的数组,确保数据达到最大段长度,并保持一致性和对齐; S3、PTSwin-Net模型,模型由并行的TemporalSwin块组成,最后通过3D卷积进行特征提取和融合; 所述PTSwin-Net模型参数设置为:输入数据的大小为,其中是样本数量,是通道数,是宽度;patch大小为,应用3D卷积操作后,数据被转换为,每个token具有96维特征;一个线性嵌入层将每个token的特征映射到任意维度;卷积核大小和步幅都设置为patch大小,确保对输入数据的均匀分割和处理;此操作从每个patch中提取时空特征,同时减少空间和时间分辨率; S4、动态线性层,用于分类的动态线性层,使模型能够捕捉复杂的模式并做出准确的预测; S5、情绪识别,每个阶段,依次将每个受试者的样本作为测试集,而将剩余受试者的样本合并为训练集。

如需购买、转让、实施、许可或投资类似专利技术,可联系本专利的申请人或专利权人太原理工大学,其通讯地址为:030024 山西省太原市迎泽大街79号;或者联系龙图腾网官方客服,联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。