公开(公告)号：CN111882036B

公开(公告)日：2023-10-31

申请号：CN202010710647.9

申请日：2020-07-22

Applicant: 广州大学

Inventor： 王力 ,  黄伟键 ,  刘彦俊 ,  颜振雄 ,  王友康

IPC: G06N3/0464 ,  G06N3/08 ,  G06F18/24 ,  G06F3/01

Abstract: 本发明公开了一种卷积神经网络训练方法、脑电信号识别方法、装置和介质，卷积神经网络训练方法包括执行多次获取过程，每次获取过程分别获取脑电信号，对脑电信号执行时域数据增强和频域数据增强，使用经过增强的脑电信号训练卷积神经网络等步骤。本发明所训练的卷积神经网络为多输入、多卷积尺度、多卷积类型的混合卷积神经网络，合理设计了多输入卷积层以及卷积核的大小，具有较高的识别准确率；训练卷积神经网络所用的训练集是基于采集所得的脑电信号进行时域数据增强和频域数据增强扩充得到的，能够提高对卷积神经网络的训练数据量，减轻过拟合现象，能够有效应对脑电信号中的噪声干扰，改善识别效果。本发明广泛应用于信号处理技术领域。

公开(公告)号：CN111882036A

公开(公告)日：2020-11-03

申请号：CN202010710647.9

申请日：2020-07-22

Applicant: 广州大学

Inventor： 王力 ,  黄伟键 ,  刘彦俊 ,  颜振雄 ,  王友康

IPC: G06N3/04 ,  G06N3/08 ,  G06K9/00 ,  G06F3/01

Abstract: 本发明公开了一种卷积神经网络训练方法、脑电信号识别方法、装置和介质，卷积神经网络训练方法包括执行多次获取过程，每次获取过程分别获取脑电信号，对脑电信号执行时域数据增强和频域数据增强，使用经过增强的脑电信号训练卷积神经网络等步骤。本发明所训练的卷积神经网络为多输入、多卷积尺度、多卷积类型的混合卷积神经网络，合理设计了多输入卷积层以及卷积核的大小，具有较高的识别准确率；训练卷积神经网络所用的训练集是基于采集所得的脑电信号进行时域数据增强和频域数据增强扩充得到的，能够提高对卷积神经网络的训练数据量，减轻过拟合现象，能够有效应对脑电信号中的噪声干扰，改善识别效果。本发明广泛应用于信号处理技术领域。