[发明专利]一种基于多目标微粒群算法优化的深度学习方法及系统有效
| 申请号： | 201810169310.4 | 申请日： | 2018-02-28 |
| 公开（公告）号： | CN108319928B | 公开（公告）日： | 2022-04-19 |
| 发明（设计）人： | 高忠科;李彦里;杨宇轩;王新民 | 申请（专利权）人： | 天津大学 |
| 主分类号： | G06K9/00 | 分类号： | G06K9/00;G06K9/62;G06N3/08 |
| 代理公司： | 天津市北洋有限责任专利代理事务所 12201 | 代理人： | 杜文茹 |
| 地址： | 300072*** | 国省代码： | 天津;12 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 一种基于多目标微粒群算法优化的深度学习模型：采集脑电信号，对采集的脑电信号进行预处理，得到信号为p维的p通道脑电信数据样本集；将p维脑电信数据样本归一化后作为深度学习模型即卷积神经网络的一个数据输入，将对应想象的指令类别作为卷积神经网络末层的输出；建立初步的卷积神经网络；使用多目标微粒群优化算法优化调整初步的卷积神经网络，得到深度学习模型；使用多目标微粒群优化算法实现多目标运动辅助。本发明利用多目标微粒群优化算法解决了人工对深度学习模型进行调整可能出现的局部最优、效率底下、需要先验知识等问题。构建的深度学习模型其输出可以作为控制机械臂或外骨骼等多种设备的信号。 | ||
| 搜索关键词： | 一种 基于 多目标 微粒 算法 优化 深度 学习方法 系统 | ||
【主权项】：
1.一种基于多目标微粒群算法优化的深度学习模型，其特征在于，包括如下步骤：1)采集脑电信号，对采集的脑电信号进行预处理，得到信号为二维的p通道脑电信数据样本集x(t)；2)将步骤1)中的p维脑电信数据x(t)样本归一化后作为深度学习模型即卷积神经网络的一个数据输入，将对应想象的指令类别作为卷积神经网络末层的输出；3)建立初步的卷积神经网络；4)使用多目标微粒群优化算法优化调整初步的卷积神经网络，得到深度学习模型；5)使用多目标微粒群优化算法实现多目标运动辅助。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于天津大学，未经天津大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201810169310.4/，转载请声明来源钻瓜专利网。
- 上一篇：一种自动识别病害的方法
- 下一篇：手机推送信息智能化管理系统及方法
