一种基于Softmax的SSVEP划窗分类方法.pdf
飞舟****文章
在线预览结束,喜欢就下载吧,查找使用更方便
相关资料
一种基于Softmax的SSVEP划窗分类方法.pdf
本发明公开了一种基于Softmax的SSVEP划窗分类方法。方法包括:采集初始SSVEP脑电信号数据;处理构建为训练集;构建FFT‑CNN神经网络;将训练集输入处理,输出工作类别的softmax值,计算分类平均值;获得训练完成的网络;实时采集检测SSVEP脑电信号数据,处理后输入训练完成的网络中处理输出,获得检测平均值;选取预测平均值和预测工作类别;将分类平均值与预测平均值进行比较,对检测者的工作类别进行分类,即实现检测者在预设时间段内的阶段状态的确定。本发明引入了权重的概念,用Softmax对每次的识别
一种基于softmax的文本多标签分类方法.pdf
本发明提供一种基于softmax的文本多标签分类方法,包括:文本预处理、文本特征向量提取、模型设计、模型训练、模型评估、模型应用,本发明使用bert模型提取句子特征向量,在使用双向门控循环单元和注意力模型构建训练网络,网络使用softmax作为激活函数而非sigmoid,同时使用配合softmax的改良交叉熵损失函数,提高负样本的学习效率,“softmax+交叉熵”没有类别不均衡的问题,因为它不是将多标签分类变成多个二分类问题,而是变成目标类别得分与非目标类别得分的两两比较,并且能够借助于LogSumEx
基于自编码器与Softmax分类器的康复评估方法.pdf
本发明公开基于自编码器与Softmax分类器的康复评估方法,属于柔性应变传感器测量技术领域,具体为:多个已知康复等级的训练者完成卡罗尔手功能评定任务,手指运动监测手套获取手指采集数据,经插值与抽值得到处理后数据;构建由自编码器和Softmax分类器构成的康复等级评估模型;以处理后数据为输入,已知康复等级为训练目标,对康复等级评估模型进行训练;待评估测试者完成任务并获得待评估手指采集数据,经插值与抽值输入至训练后康复等级评估模型,输出康复等级评估结果。本发明先三次埃尔米特插值与抽值,后等数值插值,用较少数据
一种基于迁移Softmax回归的癫痫状态识别方法.pdf
本发明提供一种基于迁移Softmax回归的癫痫状态识别方法,通过源域和目标域之间的知识迁移,使得目标域脑电信号分布向源域靠近,以此提升模型在目标域数据上的识别效果,有效提升了癫痫发作检测的可靠性,具体包括以下步骤:步骤S1,利用滑动窗口对源域原始脑电信号和目标域原始脑电信号进行分段;步骤S2,利用四层小波包分解提取滑动窗口内的小波包分解系数,并构建特征向量;步骤S3,对特征向量进行联合概率分布调整从而进行源域和目标域之间的知识迁移,同时在该知识迁移过程中完成分类器的训练;步骤S4,由分类器输出目标域原始脑
一种基于时空变频SSVEP的脑电异步控制软件设计方法.pdf
本发明属于人机交互技术领域,具体涉及一种基于时空变频SSVEP的脑电异步控制软件设计方法,包括下列步骤:液晶显示器实时显示异步开关和时空变频SSVEP实验范式;用户佩戴脑电信号采集帽实时获取数据;对筛选完导联的脑电数据进行预处理;对脑电数据进行分类;异步控制模块对SVM算法分类结果进行控制转化,控制刺激范式开启;控制软件模块对FBCCA算法分类结果进行指令转化,每种指令控制软件的一种操作;字符输出模块对FBCCA算法分类结果进行字符编码,并与控制软件模块结合完成字符输出功能。本发明利用基于时空变频SSVE