Document
拖动滑块完成拼图
个人中心

预订订单
服务订单
发布专利 发布成果 人才入驻 发布商标 发布需求

在线咨询

联系我们

龙图腾公众号
首页 专利交易 科技果 科技人才 科技服务 国际服务 商标交易 会员权益 IP管家助手 需求市场 关于龙图腾
 /  免费注册
到顶部 到底部
清空 搜索
当前位置 : 首页 > 专利喜报 > 恭喜杭州电子科技大学方银锋获国家专利权

恭喜杭州电子科技大学方银锋获国家专利权

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!

龙图腾网恭喜杭州电子科技大学申请的专利一种基于BiLSTM和WGAN-GP网络的sEMG数据增强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:CN114372490B

龙图腾网通过国家知识产权局官网在2025-04-29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:202111632627.5,技术领域涉及:G06F18/24;该发明授权一种基于BiLSTM和WGAN-GP网络的sEMG数据增强方法是由方银锋;钱尧佳设计研发完成,并于2021-12-29向国家知识产权局提交的专利申请。

一种基于BiLSTM和WGAN-GP网络的sEMG数据增强方法在说明书摘要公布了:一种基于BiLSTM和WGAN‑GP网络的sEMG数据增强方法,其具体步骤如下:步骤S1,采集表面肌电信号,进行预处理;步骤S2,对预处理后的真实肌电数据进行标准化,并划分为训练数据集和测试数据集;步骤S3,建立基于BiLSTM网络的WGAN‑GP网络模型并输入训练数据集进行训练,输出得到生成样本集;步骤S4,将生成样本集和测试数据集比较进行模型误差分析,判断模型的稳定性。本发明基于WGAN‑GP的神经网络框架结合BiLSTM来生成表面肌电信号sEMG,一方面提高模型训练过程的稳定性,另一方面提高生成样本的质量。

本发明授权一种基于BiLSTM和WGAN-GP网络的sEMG数据增强方法在权利要求书中公布了:1.一种基于BiLSTM和WGAN-GP网络的sEMG数据增强方法,其具体步骤如下:步骤S1,采集表面肌电信号,进行预处理;步骤S2,对预处理后的真实肌电数据进行标准化,并划分为训练数据集和测试数据集;步骤S3,建立基于BiLSTM网络的WGAN-GP网络模型并输入训练数据集进行训练,输出得到生成样本集;其中的WGAN-GP网络模型包括生成器网络和判别器网络,所述生成器网络由1层BidirectionalLSTM、5层conv1d、2层up_sampling构成,每层conv1d层加入激活函数LeackyReLu激活;所述判别器网络由1个由4层conv1d、2层max_pooling构成,每层conv1d层加入激活函数LeackyReLu激活;其中的模型训练步骤如下:将生成器网络输出的生成样本数据,和标准化后的训练数据集输入到WGAN-GP网络模型的判别器网络中,输出每个样本被判断为真实样本的概率;WGAN-GP的目标函数设置为: 其中E·表示期望,真实数据样本xr的分布为prx,生成器网络输出的假数据样本xg的分布为pgx,||·||2为2范数,表示梯度;λ表示梯度约束的系数,通过计算真实数据样本xr和假数据样本xg的连线上随机差值的采样值ε为0,1间的随机数;计算当前迭代时WGAN-GP网络模型中生成器网络的损失值,计算当前迭代时WGAN-GP网络模型中判别器网络的损失值,利用随机梯度下降方法,用当前迭代时WGAN-GP网络中判别器网络的损失值、生成器网络的损失值依次更新WGAN-GP网络模型中判别器网络、生成器网络的参数;更改WGAN-GP的训练参数,判断WGAN-GP网络模型中判别器网络的损失值、生成器网络的损失值是否趋于稳定低值,此时生成的样本质量较高;步骤S4,将生成样本集和测试数据集比较进行模型误差分析,判断模型的稳定性。

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杭州电子科技大学,其通讯地址为:310018 浙江省杭州市杭州经济技术开发区白杨街道2号大街1158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”。

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。