买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉东南大学申请的专利一种基于深度强化学习的视觉刺激多分类方法与系统获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN119693688B 。

龙图腾网通过国家知识产权局官网在2025-10-17发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202411736321.8，技术领域涉及：G06V10/764；该发明授权一种基于深度强化学习的视觉刺激多分类方法与系统是由王海贤;尹旭设计研发完成，并于2024-11-29向国家知识产权局提交的专利申请。

本一种基于深度强化学习的视觉刺激多分类方法与系统在说明书摘要公布了：本发明公开了一种基于深度强化学习的视觉刺激多分类方法与系统，本发明从EEG信号角度，以EEG信号为样本，通过深层长短时记忆网络编码时变视觉特征，并将时间段的选择刻画为一个马尔科夫决策过程，通过深度强化学习算法实现时间段的自主选择，聚合特征的时域信息并输入到分类器中用于刺激图像的分类。本发明可以有效捕捉EEG信号中的时间动态信息，与现有方法相比能得到更优的视觉刺激分类结果。

本发明授权一种基于深度强化学习的视觉刺激多分类方法与系统在权利要求书中公布了：1.一种基于深度强化学习的视觉刺激多分类方法，其特征在于，所述方法包括以下步骤： 步骤1，对由脑电系统记录的原始EEG数据进行带通滤波，并以数据采集实验时刺激呈现的时间点为参考点截取信号，形成脑电试次； 步骤2，使用深层长短时记忆LSTM网络提取多通道EEG时间序列的时变视觉特征； 步骤3，将时间段的选择设计为马尔科夫决策过程MDP，并通过深度强化学习算法实现自主地时间段选择；MDP中，状态定义为有无当前时间步的特征变化，动作定义为是否保留当前时间步，奖励定义为直至当前时刻所选特征与全局特征分类损失的差值； 步骤4，聚合时变特征的时域信息，并输入到分类器中用于刺激图像的分类； 在步骤2中，使用深层LSTM网络提取多通道EEG时间序列的时变视觉特征，其方法为：假设经步骤1预处理后的EEG数据为其中C为通道个数，T为采样点个数，表示实数；将输入的多通道EEG时间序列通过深层LSTM网络转换为特征向量，所述深层LSTM网络中，第一层的输出被提供作为第二层的输入，以此类推，最深LSTM层的所有时间步的输出矩阵被用作整个EEG输入序列的特征表示； 在步骤3中，将时间段的选择设计为MDP，并通过强化学习算法实现自主地时间段选择，其方法为：假设输入信号x通过步骤2提取的时变特征矩阵为其中T为采样点个数，D为每个时间点对应的特征向量的维数，{·}T表示转置；将时间段的选择描述为MDP，并通过建模DRL框架来实现自主选择，MDP中关键元素状态，动作和奖励的定义如下：1状态为其中It-1是直至t-1时刻所选特征向量的索引集合，Ave为聚合运算符，即在时间维度上对特征矩阵求平均；2动作为即当动作为1时，包含当前t时刻；3奖励为其中和分别是AveF和Ave{fi}i∈It的分类损失；计算分类损失作为标准，然后将累积折扣奖励定义为其中，折扣因子γ∈0,1]是用于执行延迟奖励的超参数。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人东南大学，其通讯地址为：211189 江苏省南京市江宁区东南大学路2号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。