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！

龙图腾网获悉宁波大学申请的专利基于多任务孪生网络的手指运动想象脑电信号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：CN116522236B 。

龙图腾网通过国家知识产权局官网在2025-12-23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：202310388917.2，技术领域涉及：G06F18/2415；该发明授权基于多任务孪生网络的手指运动想象脑电信号分类方法是由罗慧艳;叶庆卫;周鹏;王晓东;陆志华设计研发完成，并于2023-04-07向国家知识产权局提交的专利申请。

本基于多任务孪生网络的手指运动想象脑电信号分类方法在说明书摘要公布了：本发明公开了一种基于多任务孪生网络的手指运动想象脑电信号分类方法，其在基于经典孪生网络结构的基础上引入多任务学习的思想，针对左右输入样本，补充了多个单类别子任务和单样本子任务，新的子任务与基础识别任务之间互相关联，对孪生网络基础识别任务起到了补充作用，进而提高了模型泛化性能；同时在模型测试过程中采用单个测试样本匹配多个训练样本的均衡测试方法，进一步提升模型的鲁棒性和泛化性能；在已有的多类手指运动想象脑电数据集上进行实验验证，并与现有的手指分类方法进行比较，结果表明本发明方法可以获得更高的多分类准确率和稳定性，对基于手指运动想象脑电信号的脑机接口系统开发有较好的促进作用。

本发明授权基于多任务孪生网络的手指运动想象脑电信号分类方法在权利要求书中公布了：1.一种基于多任务孪生网络的手指运动想象脑电信号分类方法，其特征在于包括以下步骤： 步骤1：获取一个脑电数据集，该脑电数据集包含有多个手指运动想象脑电信号及每个手指运动想象脑电信号的手指类别标签；然后对脑电数据集中的每个手指运动想象脑电信号及其手指类别标签进行预处理，获得对应的标准化样本及其标准化标签，进而得到脑电数据集对应的标准化数据集；再从标准化数据集中选择标准化标签为0、2、4的三类标准化样本，将选择的所有标准化样本及其标准化标签构成数据处理集，将数据处理集中标准化标签为0的标准化样本定义为第一类样本、标准化标签为2的标准化样本定义为第二类样本、标准化标签为4的标准化样本定义为第三类样本；其中，手指类别标签的值为区间[1,5]内的整数，手指类别标签的值1～5分别对应拇指、食指、中指、无名指和小拇指，标准化数据集中的所有标准化样本的长度一致，且标准化标签的值为区间[0,4]内的整数，标准化标签的值0～4分别对应拇指、食指、中指、无名指和小拇指； 步骤2：将数据处理集分成训练集、验证集和测试集，训练集、验证集和测试集各自中均包含有第一类样本、第二类样本和第三类样本；然后对训练集中的所有标准化样本进行随机左右样本匹配，得到多对样本匹配对，包含同类样本的样本匹配对和不同类样本的样本匹配对；同样，对验证集中的所有标准化样本进行随机左右样本匹配，得到多对样本匹配对，包含同类样本的样本匹配对和不同类样本的样本匹配对；其中，样本匹配对中的第一个样本定义为左样本且第二个样本定义为右样本； 步骤3：构建一个多任务孪生网络，其包括特征提取模块和分类识别模块；特征提取模块由两条并行的提取支路组成，第一条提取支路的输入端作为特征提取模块的第一输入端接收一对样本区配对中的左样本，第一条提取支路的输出端作为特征提取模块的第一输出端输出左样本特征，第二条提取支路的输入端作为特征提取模块的第二输入端接收一对样本区配对中的右样本，第二条提取支路的输出端作为特征提取模块的第二输出端输出右样本特征；分类识别模块由一个主任务、一个左单样本子任务、一个右单样本子任务、三个左单类别子任务、三个右单类别子任务组成，三个左单类别子任务依次对应第一类样本、第二类样本、第三类样本，三个右单类别子任务依次对应第一类样本、第二类样本、第三类样本；主任务的输入端同时接收第一条提取支路的输出端输出的左样本特征和第二条提取支路的输出端输出的右样本特征，主任务的输出端输出左样本特征与右样本特征之间的特征距离；左单样本子任务的输入端接收第一条提取支路的输出端输出的左样本特征，左单样本子任务的输出端输出一个包含三个元素的特征向量，三个元素依次对应表示左样本判别为第一类样本的概率值、判别为第二类样本的概率值、判别为第三类样本的概率值；右单样本子任务的输入端接收第二条提取支路的输出端输出的右样本特征，右单样本子任务的输出端输出一个包含三个元素的特征向量，三个元素依次对应表示右样本判别为第一类样本的概率值、判别为第二类样本的概率值、判别为第三类样本的概率值；三个左单类别子任务各自的输入端接收第一条提取支路的输出端输出的左样本特征，第一个左单类别子任务的输出端输出左样本判别为第一类样本的概率值，第二个左单类别子任务的输出端输出左样本判别为第二类样本的概率值，第三个左单类别子任务的输出端输出左样本判别为第三类样本的概率值；三个右单类别子任务各自的输入端接收第二条提取支路的输出端输出的右样本特征，第一个右单类别子任务的输出端输出右样本判别为第一类样本的概率值，第二个右单类别子任务的输出端输出右样本判别为第二类样本的概率值，第三个右单类别子任务的输出端输出右样本判别为第三类样本的概率值； 步骤4：在每轮次使用训练集对应的所有样本匹配对对多任务孪生网络进行网络训练，然后使用验证集对应的所有样本匹配对对多任务孪生网络训练过程中的参数微调，经多轮次的网络训练后得到多任务孪生网络分类模型；其中，每轮次网络训练后计算网络损失函数值，并利用Adam优化器对网络损失函数值进行误差的反向传播，进一步优化和调整多任务孪生网络中的权重系数； 步骤5：统计训练集中的第一类样本、第二类样本、第三类样本各自的样本数，进而得到最小样本数；然后根据最小样本数从训练集中的每类样本中随机选择标准化样本来构成匹配集，匹配集中的第一类样本、第二类样本、第三类样本的样本数均为最小样本数；接着将测试集中的每个标准化样本与匹配集中的各个标准化样本进行左右样本匹配，得到多对同类和不同类的测试样本匹配对，测试样本匹配对中的左样本为测试集中的标准化样本而右样本为匹配集中的标准化样本；再将每对测试样本匹配对输入到多任务孪生网络分类模型中，多任务孪生网络分类模型中的左单样本子任务输出一个包含三个元素的特征向量，三个元素依次对应表示左样本判别为第一类样本的概率值、判别为第二类样本的概率值、判别为第三类样本的概率值；最后针对测试集中的每个标准化样本，其对应有多个特征向量，找出各个特征向量中的最大元素所对应的样本类别，将出现次数最多的样本类别作为测试集中的该标准化样本的预测类别。

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宁波大学，其通讯地址为：315211 浙江省宁波市江北区风华路818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。