[发明专利]一种自适应认知活动识别方法、装置及存储介质

说明书

本发明公开了一种自适应认知活动识别方法、装置及存储介质，包括采集原始脑电数据；对所述原始脑电数据进行处理，得到脑电信号；将所述脑电信号分别输入到状态过渡模型和奖励模型，分别得到脑电状态信息和奖励信息；将所述脑电状态信息和所述奖励信息输入到强化选择注意模型，得出最佳注意区域信息；将所述最佳注意区域信息输入到奖励模型，得出分类识别结果，能够更加有效地认知活动进行识别，提高了识别的准确性。

技术领域

本发明涉及人工智能领域，特别涉及一种自适应认知活动识别方法、装置及存储介质。

背景技术

脑电图(EEG)是一种电生理监测指标，可通过测量大脑神经元内离子电流的电压波动来分析大脑状态和活动。在实践中，脑电信号可以通过便携式和现成的设备以非侵入性和非固定的方式进行收集。EEG信号分类算法已针对一系列实际应用进行了研究。脑电分类模型的准确性和鲁棒性是运动意图识别，情绪识别等认知活动的重要衡量指标。认知活动识别系统在内部认知世界和外部物理世界之间架起了一座桥梁。它们最近用于辅助生活，智能家居和娱乐业；基于脑电图的运动想象识别可帮助残障人士进行生活必须的基本活动；基于脑电信号的情绪识别可用于检测当前病患的情感状态，例如抑郁、焦虑等。

认知活动的分类面临若干挑战。首先，大多数现有的EEG分类研究使用的EEG数据预处理和特征提取方法(例如，带通滤波，离散小波变换和特征选择)既耗时又高度依赖专业知识。其次，目前大多数的EEG分类方法都是基于特定领域的知识设计的，因此在不同情况下可能会失效甚至失败。

发明内容

本发明旨在至少解决现有技术中存在的技术问题之一。

为此，本发明提出一种自适应认知活动识别方法，能够更加有效地认知活动进行识别，提高了识别的准确性。

本发明还提出一种应用上述自适应认知活动识别方法的自适应认知活动识别装置。

本发明还提出一种应用上述自适应认知活动识别方法的计算机可读存储介质。

根据本发明第一方面实施例的自适应认知活动识别方法，包括：

采集原始脑电数据；

对所述原始脑电数据进行处理，得到脑电信号；

将所述脑电信号分别输入到状态过渡模型和奖励模型，分别得到脑电状态信息和奖励信息；

将所述脑电状态信息和所述奖励信息输入到强化选择注意模型，得出最佳注意区域信息；

将所述最佳注意区域信息输入到奖励模型，得出分类识别结果。

根据本发明实施例的自适应认知活动识别方法，至少具有如下有益效果：提出一种自动认知活动识别的通用框架，以促进各种认知应用领域的范围，包括运动想象识别和情绪识别。通过结合深度强化学习和注意机制来设计强化选择性注意模型，以自动提取健壮且独特的深度特征；以鼓励模型选择能够达到最高分类精度的最佳注意区域；此外，根据认知活动识别环境定制状态和动作；还利用奖励模型进行选定的原始脑电数据进行分类，实现了比传统方法更高的识别准确性，并且延迟较低。

根据本发明的一些实施例，所述对所述原始脑电数据进行处理，得到脑电信号，包括：

对所述原始脑电数据进行复制和洗牌处理，得到组合脑电数据；

对所述组合脑电数据进行选取，得到脑电信号。

根据本发明的一些实施例，所述将所述脑电状态信息和所述奖励信息输入到强化选择注意模型，得出最佳注意区域信息，包括：

通过强化选择注意模型接收到所述脑电状态信息和所述奖励信息，得出脑电评估信息；

将所述脑电评估信息反馈到所述状态过渡模型以驱使所述状态过渡模型进行脑电状态信息转换，直至所述强化选择注意模型得出最佳注意区域信息。