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！

龙图腾网获悉南京信息工程大学申请的专利一种基于多维泰勒网的VR眩晕状态检测分类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：CN115904062B 。

龙图腾网通过国家知识产权局官网在2025-11-11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：202211328154.4，技术领域涉及：G06F3/01；该发明授权一种基于多维泰勒网的VR眩晕状态检测分类方法是由王紫妍;严颖;化成城;周占峰;柴立宁设计研发完成，并于2022-10-27向国家知识产权局提交的专利申请。

本一种基于多维泰勒网的VR眩晕状态检测分类方法在说明书摘要公布了：本发明提出了一种基于多维泰勒网的VR眩晕状态检测分类方法，包括以下步骤：S1.取代表不同脑区的典型电极作为分类特征，得到相对应的数据集并分为训练集和测试集；S2.建立多维泰勒网模型，多维泰勒网模型包括输入层、中间层、全连接层、softmax层和输出层；S3.将训练集中的数据输入网络执行训练，使用交叉熵损失函数对多维泰勒网模型的数据处理效果进行评价；S4.利用经过步骤S3训练的多维泰勒网模型对测试集中的数据进行测试，得到预测的VR眩晕状态的分类标签，由此实现VR眩晕状态的分类识别。本发明可以有效降低计算复杂度和训练时间，在不降低分类准确率的同时提高了VR眩晕状态的检测速度。

本发明授权一种基于多维泰勒网的VR眩晕状态检测分类方法在权利要求书中公布了：1.一种基于多维泰勒网的VR眩晕状态检测分类方法，其特征在于，包括以下步骤： S1.取代表不同脑区的典型电极作为分类特征，依据分类特征的选取，得到相对应的数据集，根据实际测量表确定标识数据集中每组数据对应的眩晕状态的标签，并将数据集分为训练集和测试集； S2.建立多维泰勒网模型，多维泰勒网模型包括输入层、中间层、全连接层、softmax层和输出层； 输入层接收外部的输入变量，输入变量表示为 Xk＝{x1k,x2k,…xik…,xnk}Tk＝1,2,3...l； 其中，xik代表包含第i个脑区典型电极信号的所有数据，l代表包含全部脑区典型电极信号的数据的总人次数，n代表输入变量包含的不同脑区典型电极信号的种类数； 将输入层所获取的输入变量做归一化处理，然后传递给中间层，并进行m次项展开，各输入变量在中间层实现各幂次的乘积项单元的加权求和，对中间层节点赋值，所对应的权值向量矩阵W表示为 其中，w代表权值向量元素，Nn,m代表逼近展开式中乘积项的总项数； 中间层节点yii＝1,2,3...n表示为 其中，λj,i代表逼近展开式第h个乘积项中变量xi的幂次； 使用激活函数对中间层节点进行处理，得到中间层向量α，中间层向量α表示为 全连接层的节点数与数据的种类数相同，全连接层节点获取中间层向量α进行加权求和，对全连接层节点赋值，所对应的权值向量σ表示为 其中，s代表数据分类的种类数； 全连接层节点tii＝1,2,…,s表示为 使用所述激活函数处理全连接层的节点，得到softmax层的输入向量β，softmax层的输入向量表示为 softmax层利用输入向量β计算获得种类概率值Pii＝1,2,...,s，种类概率值Pi的计算公式为 输出层获取种类概率值Pi并进行输出； S3.将所述训练集中的数据输入网络，执行训练，获得种类概率值输出结果，使用交叉熵损失函数对多维泰勒网模型的数据处理效果进行评价，交叉熵损失函数的表达式为 其中，Yi为l·s结构的基于one-hot编码技术的标签矩阵，标签矩阵的每一行有且仅有一个元素为1，其余元素均为0，交叉熵损失函数的计算结果越小表明训练效果愈佳； 训练集中的全部数据完成处理后训练结束； S4.利用经过步骤S3训练的多维泰勒网模型对测试集中的数据进行测试，得到预测的VR眩晕状态的分类标签，由此实现VR眩晕状态的分类识别。

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南京信息工程大学，其通讯地址为：224005 江苏省盐城市盐南高新区新河街道文港南路105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”。

以上内容由龙图腾AI智能生成。