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！

龙图腾网获悉华东理工大学申请的专利一种基于深度强化学习和双额叶残差网络的脑电情感识别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：CN116484913B 。

龙图腾网通过国家知识产权局官网在2026-02-06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：202310187036.4，技术领域涉及：G06N3/0464；该发明授权一种基于深度强化学习和双额叶残差网络的脑电情感识别系统是由李冬冬;王喆;谢莉;沈昱君设计研发完成，并于2023-03-01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和双额叶残差网络的脑电情感识别系统在说明书摘要公布了：一种基于深度强化学习和双额叶残差网络的脑电情感识别系统，包括如下步骤：首先，智能体接收每一帧的脑电信号样本作为环境状态，然后使用双额叶残差网络来拟合Q值函数，给出对应于最大Q值的动作即分类；之后，引入步长惩罚因子，比较预测类别和已有标签计算奖励；最后，将状态、动作、奖励和下一个状态组成转移序列存储在经验回放池中，智能体随后对其采样并送入到网络中更新参数，直到找到最优参数为止。由于人脑对情感认知的过程是脑中诸多部位协同运作的结果，本发明利用深度强化学习框架和双额叶残差网络来模拟人脑学习情感奖励的过程，从而获取蕴含在脑电情感信号中丰富的生理信息，进一步提升脑电情感识别的正确率。

本发明授权一种基于深度强化学习和双额叶残差网络的脑电情感识别系统在权利要求书中公布了：1.一种基于深度强化学习和双额叶残差网络的脑电情感识别系统，其特征在于，包括如下步骤： S1、将脑电情感识别任务转化为马尔可夫决策过程问题，构建强化学习框架，智能体接收每一帧的EEG样本，视为环境状态，智能体的目的是为每份EEG样本分配最可能的情感标签，给定EEG数据X＝x1,...,xn以及相应的情感标签L＝l1,...,ln，其中n表示总样本数，分类器看作是智能体，其定义如下： 状态State：在该系统中，一个EEG样本被视为一个状态s，在每一个阶段开始时，对所有训练样本进行打乱，并选择第一个样本作为初始状态，同样，第t个时间步长的状态st表示对应的样本xt，在一次迭代的每个时间步中，当前状态转到下一个状态st+1，与下一个样本xt+1一致， 动作Action：智能体的一个动作a是预测一个情感标签，其值为0或1， 策略Policy：πat∣st是智能体在第t步选择状态st中的动作at时采用的策略，智能体的目标是通过将最佳动作分配给每个状态，找到具有最大化累积奖励的最优策略π*，即搜索用于情感识别的最优分类器， 奖励Reward：与传统的强化学习不同，奖励值rt取决于主体所采取的行为at是否等于情感标签lt，奖励的计算公式定义为： 终止Terminal：在第t个时间步结束时，智能体决定是否继续探索，用terminalt表示，在整个过程中，当所有样本都被分类或存在分类错误时，代表此阶段结束，即： 如此，最终将情感分类任务转换为一个强化学习问题，其目标是寻找一个最优的智能体分类器； S2、对步骤S1所得到的环境状态使用双额叶残差网络来拟合Q值函数，给出对应于最大Q值的动作，即分类，所述双额叶残差网络是一个受Papez情感回路及脑双半球不对称反应的网络，它包含了大脑半球两个额叶不对称信息的残差网络，该网络分成两个半球流，首先将包含所有电极的原始EEG数据分为左半球和右半球块，在每个半球块中，来自额叶区域的脑电信号作为先验信息被一起输入到网络中，然后，将通过网络获得到的表征合并输入到softmax层中得到所有动作的概率，最后，利用具有优势值和状态值的竞争体系结构输出最终的Q值； S3、对步骤S2所得到的动作引入步长惩罚因子，比较预测类别和已有标签计算奖励； S4、将步骤S1、S2、S3所得到的状态、动作、奖励和下一个状态组成转移序列存储在经验回放池中，智能体随后对其采样并送入到双竞争深度Q网络中更新参数，直到找到最优参数为止。

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华东理工大学，其通讯地址为：200030 上海市徐汇区梅陇路130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。