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物理信息残差多项式网络的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：CN121211018B 。

龙图腾网通过国家知识产权局官网在2026-02-17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：202511783430.X，技术领域涉及：G06F18/214；该发明授权一种基于物理信息残差多项式网络的脑电信号分类方法是由孙玺涵;严颖;马静怡;李浩然;张金皓;杨凡锐;蔡骏;梁晶;潘雨轩;朱家琦设计研发完成，并于2025-12-01向国家知识产权局提交的专利申请。

本一种基于物理信息残差多项式网络的脑电信号分类方法在说明书摘要公布了：本发明涉及一种基于物理信息残差多项式网络的脑电信号分类方法，设计待训练网络，首先以多项式特征提取层进行非线性特征提取，再通过LSTM网络捕捉脑电信号的长期时序依赖关系，接着实现EI通路分离的神经网络架构，分别对接兴奋性通路与抑制性通路，然后由内嵌Wilson‑Cowan神经群体动力学方程的特征相关性分析层进行物理约束，最后依次串联融合层、分类层，分类层完成待训练网络的构建，进而基于各多通道脑电信号所构成的各样本，针对待训练网络进行训练，获得脑电信号分类模型，在保证脑电信号分类预测准确率的同时，显著增强了生物可解释性。

本发明授权一种基于物理信息残差多项式网络的脑电信号分类方法在权利要求书中公布了：1.一种基于物理信息残差多项式网络的脑电信号分类方法，其特征在于：执行如下步骤A至步骤C，获得脑电信号分类模型，用于针对检测所获多通道脑电信号按预设各类别进行分类； 步骤A. 基于预设各类别，获得预设数量真实类别分别对应预设各类别的各个多通道脑电信号，构成各个样本，并进入步骤B； 步骤B. 构建待训练网络，包括多项式特征提取层、LSTM网络、兴奋性通路、抑制性通路、特征相关性分析层、融合层、分类层，其中，多项式特征提取层的输入端构成待训练网络的输入端，多项式特征提取层的输出端对接LSTM网络的输入端，LSTM网络的输出端分别对接兴奋性通路的输入端、抑制性通路的输入端，兴奋性通路的输出端与抑制性通路的输出端对接特征相关性分析层的输入端，特征相关性分析层的输出端依次串联融合层、分类层，分类层的输出端构成待训练网络的输出端，然后进入步骤C； 其中，特征相关性分析层内嵌Wilson‑Cowan神经群体动力学方程，特征相关性分析层接收来自兴奋性通路输出的兴奋性特征序列、来自抑制性通路输出的抑制性特征序列； 接着特征相关性分析层根据预训练好对应兴奋性通路的状态转移神经网络、以及预训练好对应抑制性通路的状态转移神经网络，执行如下公式： ； ； 获得兴奋性状态变化率预测值、抑制性状态变化率预测值，其中，表示兴奋性特征序列和抑制性特征序列的拼接表示，和分别表示对应兴奋性通路的训练参数、对应抑制性通路的训练参数；然后特征相关性分析层依据动力学演化过程中的步长，以及兴奋性动力学演化过程中第1步特征的预设初始值、抑制性动力学演化过程中第1步特征的预设初始值，按如下公式，使用欧拉法进行状态更新； ； ； 获得兴奋性动力学演化时序特征序列，抑制性动力学演化时序特征序列，其中，表示动力学演化过程的步数，表示对应动力学演化过程步长的兴奋性状态变化率预测值，表示对应动力学演化过程步长的抑制性状态变化率预测值； 融合层接收来自特征相关性分析层输出的兴奋性动力学演化时序特征序列、抑制性动力学演化时序特征序列，选择的最后一步特征构成，的最后一步特征构成，然后按进行拼接，并按如下公式： ； ； 获得参数输出至分类层，其中，、分别表示融合层中第一权重、第二权重，、分别表示融合层中第一偏置、第二偏置，表示ReLU激活函数，表示兴奋性动力学演化时序特征序列中的最后一步特征，表示抑制性动力学演化时序特征序列中的最后一步特征，表示EI特征拼接向量，表示第一层融合特征向量； 分类层接收来自融合层输出的参数，分别针对预设各类别，按如下公式： ； ；获得多通道脑电信号关于第个类别的概率，其中，表示类别数，表示第个类别对应的权重矩阵，表示第个类别对应的偏置，表示多通道脑电信号对应第个类别的数据值，表示原始类别的最终分类器的输出； 步骤C. 基于各个样本，以样本中多通道脑电信号为输入，以样本中多通道脑电信号对应的预测类别为输出，结合目标损失函数，针对待训练网络进行训练，获得脑电信号分类模型； 目标损失函数包括交叉熵损失函数、物理残差损失函数、EI平衡损失函数、L2正则化损失函数，其中，根据交叉熵损失函数如下： ； 获得交叉熵损失结果，其中，表示样本数量，表示类别数，为第个样本属于第个类别的真实类别，表示模型的预测概率，、分别表示第个样本中的多通道脑电信号、多通道脑电信号对应的预测类别； 根据物理残差损失函数如下： ； 获得物理残差损失结果，其中，表示动力学演化过程的步数，表示兴奋性动力学演化过程中变化率，表示抑制性动力学演化过程中变化率，表示动力学演化过程中第步兴奋性状态的理论变化率，表示动力学演化过程中第步抑制性状态的理论变化率； 根据EI平衡损失函数如下： ； 获得EI平衡损失结果，其中，表示兴奋性动力学演化时序特征序列中的最后一步特征，表示抑制性动力学演化时序特征序列中的最后一步特征，表示求平均函数； 根据L2正则化损失函数如下： ； 获得L2正则化损失结果，其中，表示待训练网络中的待训练参数，表示待训练网络中所有待训练参数的集合，表示参数的L2范数平方； 进而按如下公式： ； 加权获得总损失，其中，、、分别表示物理残差损失的权重、EI平衡损失的权重、L2正则化损失的权重。

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：210032 江苏省南京市江北新区宁六路219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。