一种基于领域泛化的脑电度量迁移学习方法
实质审查的生效
摘要
本发明涉及一种基于领域泛化的脑电度量迁移学习方法，以脑电信号为研究对象，基于现有的度量迁移学习方法，进一步引入领域泛化思想以增强模型的泛化能力。本发明拟研究核表征学习方法，结合整体散度、域间散度、类内散度、类间散度四个方面，寻找能使类间散度和整体散度最大化、类内散度和域间散度最小化的特征变换矩阵。本发明的研究方法和取得的成果可进一步丰富脑电信号识别算法内容，具有广泛的应用价值。
基本信息
专利标题 ：
一种基于领域泛化的脑电度量迁移学习方法
专利标题（英）：
暂无
公开（公告）号 ：
CN114330753A
申请号 ：
CN202111680497.2
公开（公告）日 ：
2022-04-12
申请日 ：
2021-12-29
授权号 ：
暂无
授权日 ：
暂无
发明人 ：
佘青山陈铁席旭刚张启忠汪婷
申请人 ：
杭州电子科技大学
申请人地址 ：
浙江省杭州市钱塘新区白杨街道2号大街1158号
代理机构 ：
代理人 ：
优先权 ：
CN202111680497.2
主分类号 ：
G06N20/00
IPC分类号 ：
G06N20/00 G06K9/62
IPC结构图谱
G
G部——物理
G06
计算；推算或计数
G06N
基于特定计算模型的计算机系统
G06N20/00
机器学习
法律状态
2022-04-29 ：
实质审查的生效
IPC(主分类) : G06N 20/00
申请日 : 20211229
申请日 : 20211229
2022-04-12 ：
公开
注：本法律状态信息仅供参考，即时准确的法律状态信息须到国家知识产权局办理专利登记簿副本。
文件下载
暂无PDF文件可下载
