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！

龙图腾网获悉广东工业大学申请的专利基于脑电序列的注意力状态识别神经网络建模与推理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：CN120123752B 。

龙图腾网通过国家知识产权局官网在2025-07-15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：202510608088.3，技术领域涉及：G06F18/2131；该发明授权基于脑电序列的注意力状态识别神经网络建模与推理方法是由吴尚鸿;夏天生;陈阳;潘泽霖设计研发完成，并于2025-05-13向国家知识产权局提交的专利申请。

本基于脑电序列的注意力状态识别神经网络建模与推理方法在说明书摘要公布了：本发明公开了一种基于脑电序列的注意力状态识别神经网络建模与推理方法，核心在于构建并训练一种适用于脑电信号的深度神经网络模型以实现智能识别与分类。首先对脑电时间序列信号进行小波变换与时频特征提取，并结合通道位置信息生成多维输入张量；将其输入融合空间卷积、门控循环及残差连接结构的深度网络中，提取时空联合特征。在训练阶段引入跨时间步注意力机制与动态损失调节策略，以提升模型对警觉状态过渡区域的判别能力。最终模型可对任意长度脑电数据进行推理，输出分类标签与置信评分，用于衡量分类可靠性。本发明聚焦特定计算模型的构建与优化，体现了智能算法在认知状态识别中的应用特征，属于以神经网络为核心的智能计算方法。

本发明授权基于脑电序列的注意力状态识别神经网络建模与推理方法在权利要求书中公布了：1.一种基于脑电序列的注意力状态识别神经网络建模与推理方法，其特征在于，包括： 对经由采样获得的脑电时间序列信号进行小波变换处理，以提取不同频段的子带信号，获得具有多尺度分辨率的频域信息； 对所述子带信号进行时频域特征提取，并依据各通道在头皮空间中的分布位置，将提取特征编码为具有通道嵌入向量的多维输入张量； 将所述多维输入张量输入至由空间卷积单元、门控循环单元及残差连接结构构成的多通道卷积循环神经网络模型中，所述空间卷积单元用于提取不同通道间的空间相关性特征，所述门控循环单元用于学习时间序列特征演化规律，所述残差连接结构用于缓解深层网络训练过程中的梯度消失问题； 在模型训练过程中，引入跨时间步注意力机制，对各时间片段的特征贡献度进行加权调节，并基于当前训练批次的分类混淆度，动态调整损失函数中的类别权重系数，以增强对注意力过渡状态的辨识敏感度； 完成训练后，接收任意长度的目标脑电时间序列数据，利用所述训练完成的神经网络模型进行推理，输出对应的注意力状态分类标签及其置信评分值；其中，所述置信评分值基于注意力加权后的特征表示与分类边界距离计算所得，用于量化分类结果的稳定性与可信度； 所述利用所述训练完成的神经网络模型进行推理，输出对应的注意力状态分类标签及其置信评分值，包括： 基于所述神经网络模型中最后一层隐藏特征向量与各预定义分类超平面之间的距离，计算所述隐藏特征向量在特征空间中相对于分类边界的几何投影距离，所述几何投影距离用于构建每个样本在当前时刻的连续型置信评分值，该置信评分值数值越大表示样本在特征空间中越靠近目标类别中心，分类结果越可信； 记录每个连续时间步对应的置信评分值序列，计算该序列的滑动标准差与最大幅度变化值，用于表示当前样本在该时间区间内的置信波动趋势，所述波动趋势作为评估模型对该样本时序判断稳定性的指标； 当所述置信波动趋势超过预设阈值时，自动触发模型对该样本进行二次识别操作，所述二次识别操作包括重新激活注意力机制进行特征加权并执行第二次分类预测，用于提升不稳定样本的识别准确性； 在二次识别结果中，若置信评分仍低于置信拒识阈值，则输出拒识标志而非分类标签，用于在临界状态或模糊样本下增强系统的鲁棒性并降低误判风险，所述拒识标志供外部系统触发进一步判断或人工复核流程。

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广东工业大学，其通讯地址为：510062 广东省广州市越秀区东风东路729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”。