[发明专利]一种基于脑机接口的学生协作状态评估方法及系统在审

专利信息
申请号: 202110105420.6 申请日: 2021-01-26
公开(公告)号: CN112932507A 公开(公告)日: 2021-06-11
发明(设计)人: 张立山;陈宇飞;侯恩硕;冯硕;林波成;刘彧;戴志诚 申请(专利权)人: 华中师范大学
主分类号: A61B5/375 分类号: A61B5/375;A61B5/377;A61B5/256;A61B5/29
代理公司: 武汉华之喻知识产权代理有限公司 42267 代理人: 邓彦彦;曹葆青
地址: 430079 *** 国省代码: 湖北;42
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 基于 接口 学生 协作 状态 评估 方法 系统
【权利要求书】:

1.一种基于脑机接口的学生协作状态评估方法,其特征在于,包括如下步骤:

确定学生进行协作学习过程中的脑电波数据;所述脑电波数据通过使用脑机接口技术采集;

将所述脑电波数据输入到训练好的分类器,对学生协作学习的状态进行分类;所述协作学习的状态包括:交互学习、构建学习、主动学习以及被动学习;所述分类器基于长短期记忆网络LSTM构建,用于根据学生协作学习过程中的脑电波数据对学生的协作学习状态进行分类。

2.根据权利要求1所述的基于脑机接口的学生协作状态评估方法,其特征在于,所述训练好的分类器通过如下步骤得到:

基于预先收集到的训练数据对所述分类器进行训练;所述训练数据包括:

预先采集的学生协作学习过程中的脑电波数据和对应的协作学习状态;将学习协作学习过程中的脑电波数据作为分类器的输入,对应的协作学习状态作为分类器的输出;

将所述训练数据划分成训练集和测试集,并利用训练集训练分类器,再利用测试集调整训练好的分类器的参数,以保证分类器的分类精度。

3.根据权利要求1或2所述的基于脑机接口的学生协作状态评估方法,其特征在于,所述分类器先用一个LSTM层作为输入层用于将输入的脑电波数据和隐藏层连接,再用一个LSTM层和一个Flatten层作为隐藏层,最后再用一个Dense层作为输出层来连接隐藏层和输出数据。

4.根据权利要求1或2所述的基于脑机接口的学生协作状态评估方法,其特征在于,所述脑电波数据包括:lowAlpha波、highAlpha波、lowBeta波、highBeta波、lowGamma波、highGamma波、delta波和theta波。

5.根据权利要求2所述的基于脑机接口的学生协作状态评估方法,其特征在于,所述训练数据中的协作学习状态是根据学生在进行协作学习的视频中每位学生的表现通过人工标注的方式确定。

6.一种基于脑机接口的学生协作状态评估系统,其特征在于,包括:脑电传感器和分类器;

所述脑电传感器用于获取学生进行协作学习过程中的脑电波数据;所述脑电波数据通过使用脑机接口技术采集;

所述分类器基于长短期记忆网络LSTM构建,用于根据学生协作学习过程中的脑电波数据对学生的协作学习状态进行分类;

所述分类器经过训练,训练好的分类器接收所述脑电波数据,基于所述脑电波数据对学生协作学习的状态进行分类;所述协作学习的状态包括:交互学习、构建学习、主动学习以及被动学习。

7.根据权利要求6所述的基于脑机接口的学生协作状态评估系统,其特征在于,所述分类器基于预先收集到的训练数据进行训练;所述训练数据包括:预先采集的学生协作学习过程中的脑电波数据和对应的协作学习状态;将学习协作学习过程中的脑电波数据作为分类器的输入,对应的协作学习状态作为分类器的输出;所述分类器将训练数据划分成训练集和测试集,并利用训练集训练,再利用测试集调整训练好的分类器的参数,以保证分类器的分类精度。

8.根据权利要求6或7所述的基于脑机接口的学生协作状态评估系统,其特征在于,所述分类器先用一个LSTM层作为输入层用于将输入的脑电波数据和隐藏层连接,再用一个LSTM层和一个Flatten层作为隐藏层,最后再用一个Dense层作为输出层来连接隐藏层和输出数据。

9.根据权利要求6或7所述的基于脑机接口的学生协作状态评估系统,其特征在于,所述脑电波数据包括:lowAlpha波、highAlpha波、lowBeta波、highBeta波、lowGamma波、highGamma波、delta波和theta波。

10.根据权利要求7所述的基于脑机接口的学生协作状态评估系统,其特征在于,所述训练数据中的协作学习状态是根据学生在进行协作学习的视频中每位学生的表现通过人工标注的方式确定。

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华中师范大学,未经华中师范大学许可,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/202110105420.6/1.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