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！

龙图腾网获悉杭州电子科技大学申请的专利基于脉冲卷积神经网络的脑电情绪识别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：CN115859185B 。

龙图腾网通过国家知识产权局官网在2026-04-14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：202211503605.3，技术领域涉及：G06F18/2415；该发明授权基于脉冲卷积神经网络的脑电情绪识别方法是由曾虹;徐非凡;潘登;郑浩浩;欧阳瑜;贾哲;王洪伟设计研发完成，并于2022-11-28向国家知识产权局提交的专利申请。

本基于脉冲卷积神经网络的脑电情绪识别方法在说明书摘要公布了：本发明公开了一种基于脉冲卷积神经网络的脑电情绪识别方法。本发明在脑电情绪数据进行预处理后，对其提取微分熵特征与时间窗截取，之后对其使用脉冲卷积编码器编码；脉冲卷积特征提取器提取脉冲数据特征；脉冲全连接分类器进行学习与分类。本发明融合了脉冲卷积层与脉冲全连接层的脉冲神经网络进行直接训练，达到对脑电情绪分类的目的，训练过程中通过脉冲卷积层在网络的层与层间、时间片与时间片间传递脉冲，提取脑电数据中的时空信息，再通过脉冲全连接层的特征学习进行情绪分类任务。本发明利用脉冲神经网络特点，将已有传统神经网络与脉冲神经元相结合，提高了模型的性能和泛化能力，实现了较好地情绪识别效果与较小的模型规模。

本发明授权基于脉冲卷积神经网络的脑电情绪识别方法在权利要求书中公布了：1.基于脉冲卷积神经网络的脑电情绪识别方法，其特征在于包括如下步骤： 步骤1、数据集采集：采集受试者在观看电影片段时的脑电数据，并在观看完每个电影片段后立即让受试者完成问卷来报告受试者对每个电影片段的情绪反应，所述情绪反应包括积极、中性、消极；脑电数据为通过10-20国际标准导联系统采集的32通道指定电极位置的脑电信号； 步骤2、数据预处理：对原始EEG信号进行降采样、去眼电伪迹预处理，对时域信号使用汉明窗滤波并做快速傅里叶变换，通过每个采集电极的通道信号做滑动窗口，计算所有采集电极4个频段的32个通道的微分熵特征； 步骤3、样本生成：将处理好的微分熵特征按照T时间窗口进行不重叠的滑动窗口，每个通道、每个频段都做此操作，得到：时间*通道*频段；再将一维通道数据序列转换为二维网状矩阵序列，其中位置对应关系，通过脑电电极帽的二维拓扑图得到；最终得到的输入样本为：时间*H*W*频段；其中H,W为二维网状矩阵的高与宽； 步骤4、定义模型输入与输出：模型单次训练输入包含一组样本，其中每个样本的结构是时间*H*W*频段，因此模型输入结构Input＝batch*时间*H*W*频段；模型的输出结构为一组one-hot形式的向量，输出结构Output＝batch*classes,其中classes代表该样本属于此类的概率，由0～1小数表示；batch代表一组的数量； 步骤5、定义脉冲神经元： 使用LIF模型作为神经元模型；将传统卷积神经网络与全连接网络与脉冲神经元机制相结合的脉冲神经网络，通过改造的激活函数，及上述脉冲神经元激活模式的激活函数，辅以梯度替代函数，做到网络训练过程层与层间通过激发模式进行输入输出，层内时间片也顺序进行脉冲的输出、激发与传输； 模型动力学方程包括： Xt＝wIt 公式4，其中Ht和Vt分别代表神经元动态变化后的膜电位和在时间步长触发脉冲后的膜电位；Xt表示外部输入，当Vt-1＝0时；整合进度使得LIF神经元能够记住当前的输入信息，而看作是对过去一些信息的遗忘；这个公式表明，记忆和遗忘之间的平衡是由膜时间常数c＝1.2控制的，其中模型中膜时间常数脉冲卷积层c＝1.2，脉冲全连接层为c＝1.2； 步骤6、定义脉冲神经网络架构： 脉冲神经网络结构包括自适应脉冲卷积编码器、脉冲卷积特征提取网络、脉冲全连接分类器； 定义自适应脉冲卷积编码器,作为网络最顶层，旨在将实值的样本数据通过脉冲卷积的方式自学习为合适的脉冲形式的二值输出，其结构包含： 1脉冲卷积层1，其参数为：输入通道数＝4；输出通道数＝64；kernelsize＝3,3；padding＝1；bias＝False； 2BatchNorm2d；归一化基于公式10如下： eps:分母中添加的一个值，目的是为了计算的稳定性，默认为：1e-5； gamma与beta：归一化系数，默认不添加，为1和0； meanx与Varx:归一化数据的平均值与方差； 3LIF神经元激活层，其参数为：膜时间常数＝1.2；梯度替代函数＝Surrogatearctanx； 步骤7、定义目标函数：脉冲神经网络训练时所使用目标函数为平均平方误差函数； 步骤8、训练与测试：将训练集按步骤3所定义的输入结构输入到脉冲神经网络中进行多轮训练；每轮训练后都将训练后的模型使用测试集以相同方式输入网络进行预测，将预测结果作为输出与真实标签进行比对计算平均平方误差，最后得出脉冲神经网络在测试集上的总体分类准确率。

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 浙江省杭州市下沙高教园区2号大街；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。