[发明专利]一种基于深度学习的模型训练方法以及相关装置在审
| 申请号： | 201910818363.9 | 申请日： | 2019-08-30 |
| 公开（公告）号： | CN110503082A | 公开（公告）日： | 2019-11-26 |
| 发明（设计）人： | 赵赫;雷梦颖;郑青青;马锴;郑冶枫 | 申请（专利权）人： | 腾讯科技(深圳)有限公司 |
| 主分类号： | G06K9/00 | 分类号： | G06K9/00 |
| 代理公司： | 44285 深圳市深佳知识产权代理事务所(普通合伙) | 代理人： | 骆苏华<国际申请>=<国际公布>=<进入 |
| 地址： | 518057 广东省深圳*** | 国省代码： | 广东;44 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本申请公开了一种基于深度学习的模型训练方法以及相关装置，通过基于多个个体构建分类模型，将不同个体采集的运动想象脑电图信号进行了信息共享；而且通过多个子损失函数对于模型损失函数的确定进一步提升了运动想象分类的准确率，从多个维度减小样本的差异，进而减少个体内由于所处环境或不同精神状态导致的类内差异大的问题；另外还避免了个体差异化带来的算法应用局限，提取了不同个体运动想象动作标签相关的共性信息，减少了个体间的差异，提高了模型训练的准确性。 | ||
| 搜索关键词： | 模型训练 损失函数 运动想象 脑电图信号 动作标签 分类模型 个体差异 个体运动 共性信息 精神状态 类内差异 算法应用 相关装置 信息共享 准确率 构建 减小 维度 样本 体内 采集 局限 分类 申请 学习 | ||
【主权项】：
1.一种基于深度学习的模型训练方法，其特征在于，包括：/n获取多个个体的脑电图并确定对应的脑电图信号样本，所述脑电图信号样本用于指示对应的运动想象动作标签；/n确定多个所述个体的标签信息并建立与所述运动想象动作标签的对应关系，以确定训练数据集；/n基于所述训练数据集中的多个对应关系分别确定多个子损失函数，以进行组合并确定模型损失函数，所述训练数据集中的多个对应关系包括多个所述个体的脑电图信号样本与所述运动想象动作标签的对应关系、所述单个所述个体脑电图信号样本与所述运动想象动作标签的对应关系、所述脑电图信号样本与多个所述个体的标签信息的对应关系；/n根据所述模型损失函数构建脑电图解码模型并进行初始化；/n将所述训练数据集作为输入，通过最小化所述模型损失函数对脑电图解码模型进行训练，以得到参数优化的分类模型，所述分类模型用于根据所述脑电图输出对应的运动想象动作标签和对应的个体的标签信息。/n
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腾讯科技(深圳)有限公司，未经腾讯科技(深圳)有限公司许可，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/201910818363.9/，转载请声明来源钻瓜专利网。
