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！

龙图腾网获悉北京交通大学申请的专利基于脑电数据与模糊神经网络的关键脱离场景识别方法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：CN116992271B 。

龙图腾网通过国家知识产权局官网在2026-01-06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：202310961028.0，技术领域涉及：G06F18/2134；该发明授权基于脑电数据与模糊神经网络的关键脱离场景识别方法是由奇格奇;于纪翔;赵朔;关伟设计研发完成，并于2023-08-01向国家知识产权局提交的专利申请。

本基于脑电数据与模糊神经网络的关键脱离场景识别方法在说明书摘要公布了：本发明提供了基于脑电数据与模糊神经网络的关键脱离场景识别方法，包括：步骤S1，设计驾驶场景，采集驾驶员的脑电数据；步骤S2，对脑电数据先作预处理用来清洗数据，之后用时频分析方法提取脑电特征；步骤S3，构建模糊卷积神经网络模型，对脑电特征作处理；步骤S4，根据脑电特征处理结果，识别实验涉及到的脱离场景。可以实现：通过借助脑电信号对驾驶场景作出识别，在自动驾驶中融入驾驶员对场景的理解和认知，预判断所面临关键脱离场景，改进自动驾驶策略缺陷，进而对自动驾驶中车辆控制系统的设计与应用具有重要借鉴作用。

本发明授权基于脑电数据与模糊神经网络的关键脱离场景识别方法在权利要求书中公布了：1.基于脑电数据与模糊神经网络的关键脱离场景识别方法，其特征在于，包括： 步骤S1，设计驾驶场景，采集驾驶员的脑电数据； 步骤S2，对脑电数据先作预处理用来清洗数据，之后用时频分析方法提取脑电特征； 步骤S3，构建模糊卷积神经网络模型，对脑电特征作处理； 步骤S4，根据脑电特征处理结果，识别实验涉及到的脱离场景； 其中，步骤S3中模糊卷积神经网络包括五层：输入层，模糊化层，规则层，推理层，去模糊化层；其中， 1输入层用于将用小波分解提取的脑电特征转化为神经网络可以理解的数据格式作为输入数据；即将其转换为一个向量或矩阵作为输入层的输入； 2模糊化层，将输入层的数据脑电特征转化为神经网络可理解的数据进行模糊化处理，将输入转化为一组隶属度函数；具体是将每个特征转换为一个模糊集合，每个模糊集合由一组隶属度函数描述； 假设输入向量为X＝x1,x2,…,xnT，其中，xi是第i个输入变量的值，使用模糊集合Fjx表示第j个输入变量的模糊化结果，其中j＝1,2,...,n； 在模糊集合理论中，模糊化操作使用隶属度函数来定义；对于每个输入变量xi和每个隶属度函数μjx,模糊化结果Fjxi可以通过以下公式计算： Fjxi＝μjxi 3规则层，定义模糊推理系统的模糊规则，用来描述了输入特征和输出之间的关系； 4推理层，使用规则的激活度和规则的结论，结论为输出的脑电状态的标签，计算出每个输出变量的值；对于每个输出变量y，输出的模糊化结果Gy可以计算为： 其中，wi是规则i的激活度，Bi是对应的输出，m表示共有m个规则； 5去模糊化层，将输出变量的模糊值转换为精确值，即通过将输出变量的模糊值映射到一个精确值域上来实现；具体的计算过程为： 假设有一个输出变量y，y即为推理层的输出结果，其模糊化结果为Gy，解模糊化结果可以表示为： 其中，yi是y的模糊化结果中的第i个元素，μi是yi的隶属度值，k是模糊集合的大小。

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北京交通大学，其通讯地址为：100044 北京市海淀区西直门外上园村3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。