[发明专利]一种脑认知技能移植的方法有效

专利信息
申请号: 202010513742.X 申请日: 2020-06-08
公开(公告)号: CN111772629B 公开(公告)日: 2023-03-24
发明(设计)人: 王丽娜;徐颂;刘晶晶;王清华;高晓颖 申请(专利权)人: 北京航天自动控制研究所
主分类号: A61B5/389 分类号: A61B5/389;A61B5/377;G06F18/24;G06F18/25;G06F18/2135;G06T3/40;G06N3/0464;G06N3/047;G06N3/08
代理公司: 中国航天科技专利中心 11009 代理人: 庞静
地址: 100854 北京*** 国省代码: 北京;11
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 一种 认知 技能 移植 方法
【说明书】:

发明涉及一种脑认知技能移植的方法,(1)设计脑电信号采集实验范式与一定相关刺激模式;(2)同步采集多通道脑电信号数据,并对采集后的原始脑电信号进行有效成分提取;(3)确定N个被试人员在相关刺激下的脑电高效特征;(4)构建N个基于卷积循环神经网络的脑认知子模型,并完成模型训练;(5)构建N个脑电信号分类子模型,并完成模型训练;(6)获得N个脑认知分类器;(7)验证N个脑认知分类器的准确度,如果满足要求,则送入后续步骤;否则,返回步骤(4);(8)构建融合模型并进行测试,得到融合模型的性能属性值;(9)对所述的性能属性值进行判决,若符合要求,则实现脑认知技能移植;否则,返回步骤(8)重新执行,直至符合要求。

技术领域

本发明涉及一种脑认知技能移植的方法,属于智能信息处理技术领域。

背景技术

研究类人脑神经网络模型和计算方法,开发受脑启发的类脑智能技术,是未来智能化时代的关键领域,也是新一轮科技革命的重心。类脑智能技术能够适用于人类相对计算机更具优势的信息处理任务,如机器的环境感知、交互、自主决策与智能控制等。传统人工神经网络结构忽略了大量与实现类脑智能密切相关的生物规则。开展基于神经电生理的脑认知机理研究,以及基于脑认知的智能分析策略研究,能够从仿生学角度搭建类人脑神经网络模型,实现对认知技能的学习逼近和对人脑神经网络工作原理的充分表达。因此,本发明的提出有利于推出新型神经网络学习模型,并为创新神经网络结构模式,开发受脑启发的类脑智能网络结构提供技术途径。

对大脑认知系统进行辨识分析对深入理解面向相关感官刺激的脑认知机理有重要的指导意义。研究表明,人脑认知系统分级处理,从低层级系统区提取特征,到高层级的认知行为。高层的特征是低层特征的组合,从低层到高层的特征表示越来越强,越来越表现意图。从神经电生理角度出发,对人脑认知机制与脑电信号展开深入研究,利用前沿人工智能领域知识,设计脑认知技能移植的方法,旨在构建新型符合人脑认知模式的相关刺激处理系统,能够更好的为理解人体认知机理提供新的思路,为面向复杂智能信息处理术提供理论依据与解决途径。

发明内容

本发明解决的技术问题是:设计了一种脑认知技能移植的方法,实现了将人脑认知能力迁移到相关刺激下的智能信息处理。

本发明解决技术的方案是:一种脑认知技能移植的方法,包括下列步骤:

(1)针对智能信息处理应用需求,设计脑电信号采集实验范式与一定相关刺激模式;

(2)令N个被试人员分别按照所设计的实验范式进行操作,同步采集记录N个被试人员在实验范式中相关刺激下的多通道脑电信号数据,并对采集后的原始脑电信号进行有效成分提取;

(3)对N个被试人员有效脑电信号进行关键特征提取以及特征选择,确定N个被试人员在相关刺激下的脑电高效特征;

(4)对N个被试人员构建N个脑认知子模型R1~RN,以相关刺激信号为输入,脑电高效特征为输出,完成模型训练;

(5)对N个被试人员构建N个脑电信号分类子模型D1~DN,以脑电高效特征为输入,相关刺激分类结果为输出,完成模型训练;

(6)组合脑认知子模型与脑电信号分类子模型,以脑认知子模型的输出作为对应脑电信号分类子模型的输入,从而获得N个脑认知分类器S1~SN

(7)验证N个脑认知分类器的准确度,如果满足要求,则送入后续步骤;否则,返回步骤(4)重新进行训练;

(8)基于集成学习策略实现对N个脑认知分类器的融合集成,构建融合模型并进行测试,得到融合模型的性能属性值;

(9)对所述的性能属性值进行判决,判决融合模型是否符合要求,若符合要求,则实现脑认知技能移植;否则,返回步骤(8)重新执行,直至符合要求。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于北京航天自动控制研究所,未经北京航天自动控制研究所许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/202010513742.X/2.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top