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！

申请/专利权人：之江实验室

摘要：本发明公开了一种基于EGRF模型的跨库脑电疲劳识别方法及装置，该方法包括：获取两个的脑电疲劳数据库，分别作为源域数据库和目标域数据库；建立EGRF网络，该网络包括特征提取模块和分类器模块，所述特征提取模块用于提取脑电信号的特征，所述分类器模块用于输出疲劳识别的概率值；将源域数据库和目标域数据库的处理后的脑电信号输入神经网络进行训练，训练的损失函数包括三部分：目标域数据的熵损失、源域数据的分类损失、主分类器和辅助分类器的差异损失；将目标域数据库待预测的脑电信号输入训练好的网络得到疲劳分类概率。该方法能够提取更加鲁棒的特征，同时借鉴了集成学习的方法，识别效果更好。

主权项：1.一种基于EGRF模型的跨库脑电疲劳识别方法，其特征在于，该方法包括：1获取两个不同的脑电疲劳数据库，分别作为源域数据库和目标域数据库，其中，每个数据库中包含若干脑电信号及其对应的是否疲劳的标签；2建立熵引导鲁棒特征域自适应神经网络，该网络包括特征提取模块和分类器模块，所述特征提取模块用于提取脑电信号的特征，所述分类器模块包括主分类器和若干个包含不同dropout层的辅助分类器，用于输出疲劳识别的概率值；3将所述源域数据库和目标域数据库所提供的脑电信号输入神经网络进行训练；训练时的损失函数包括三部分：目标域数据的熵损失、源域数据的分类损失、主分类器和辅助分类器的差异损失；所述目标域数据的熵损失，给定目标域数据集合XT，其中T表示目标域脑电样本总数量；对于目标域第t个脑电样本xt，其预测概率定义为则预测的熵损失函数定义为： 式中，为期望，表示第t个目标域样本清醒类别的预测概率，表示第t个目标域样本疲劳类别的预测概率，c表示主分类器；所述源域数据的分类损失，给定源域数据集合XS，其中S为源域脑电样本总数量；定义第s个源域样本为xs，ys为样本标签，则源域数据的分类损失为： 其中，N表示辅助分类器总数量，c表示主分类器，表示第n个辅助分类器，为交叉熵损失函数： 其中，为第s个源域样本的模型预测概率，表示第s个源域样本清醒类别的预测概率，表示第s个目标域样本疲劳类别的预测概率；所述主分类器和辅助分类器的差异损失定义为： 4将所述目标域数据库中待识别的脑电输入训练好的网络得到疲劳分类概率。

全文数据：

权利要求：

百度查询： 之江实验室 基于EGRF模型的跨库脑电疲劳识别方法及装置