[發明專利]確定感知體驗的處理系統和方法、計算機可讀介質

有效

• 申請號: 201880023688.1
• 申請日: 2018-02-01
• 公開（公告）號: CN110691550B
• 公開（公告）日: 2022-12-02
• 發明（設計）人: K·阿雅德
• 申請（專利權）人: 塞雷比安公司
• 主分類號: G06F3/01
• 分類號: G06F3/01;G06N20/00;A61B5/16
• 代理公司: 北京三友知識產權代理有限公司 11127
• 代理人: 師瑋;王小東

1.一種確定感知體驗的方法，所述方法包括：

獲取由包括多個傳感器的測量裝置采集的多個信號，所述多個傳感器被設置在用戶的大腦的特定位置處以對正在由所述測量裝置測量的用戶的大腦活動進行測量；

在不進行預處理的情況下將所述多個信號提供給包括至少一個深度學習模塊的處理系統，所述至少一個深度學習模塊被配置成對所述信號進行處理以生成與預定的用戶能力相關的至少一個能力；

通過對來自所述用戶的大腦的所述特定位置的與所述至少一個能力相對應的所述信號進行測量來識別所述至少一個能力；

提供與所述至少一個能力中的一個或更多個能力的組合相對應的輸出，所述組合形成所述感知體驗的表示，其中，所述用戶的大腦上的所述特定位置是由所述至少一個能力確定的，并且

所述方法還包括：使用在由第一用戶執行的試驗期間測量到的信號，對所述深度學習模塊中的機器學習算法進行訓練；以及針對所述測量裝置的第二用戶進行校準。

2.根據權利要求1所述的方法，所述方法還包括：在訓練所述機器學習算法時執行源定位。

3.根據權利要求2所述的方法，其中，所述源定位包括根據正在生成的所述能力來瞄準大腦中的區域。

4.根據權利要求1所述的方法，其中，所述機器學習算法包括卷積神經網絡CNN。

5.根據權利要求4所述的方法，其中，所述CNN是使用以下變體中的一種變體訓練的：

a)根據原始信號數據直接訓練CNN模型；

b)利用相同算法通過多個不同模塊來學習所述信號的特征表示；或者

c)構建直接接收所述信號的自回歸擴張因果卷積神經網絡ADCCNN。

6.根據權利要求5所述的方法，其中，在變體c)中，將所述ADCCNN訓練為提供指示所述用戶進行了什么功能的類別的輸出。

7.根據權利要求1所述的方法，其中，所述機器學習算法包括生成對抗網絡。

8.根據權利要求1所述的方法，所述方法還包括：使所述第二用戶進行和所述第一用戶相同的試驗。

9.根據權利要求8所述的方法，其中，針對所述第二用戶的所述校準包括使用具有針對從所述第一用戶導出的數據優化的權重的相同深度學習模型，其中，網絡的至少一個最終層被去除并替換成利用與由所述第二用戶生成的信號相關聯的權重優化的新的層。

10.根據權利要求1至9中任一項所述的方法，其中，所述多個信號對應于利用一組EEG傳感器采集的EEG信號。

11.根據權利要求1至9中任一項所述的方法，其中，所述測量裝置是頭盔。

12.根據權利要求11所述的方法，其中，所述信號是利用所述頭盔采集的，并且所述處理系統、所述至少一個能力以及應用中的至少一者是利用單獨裝置提供的。

13.根據權利要求12所述的方法，其中，所述單獨裝置包括聯接至所述頭盔的邊緣裝置。

14.根據權利要求13所述的方法，其中，所述邊緣裝置通過網絡與云裝置進行通信以提供所述處理系統、所述至少一個能力以及所述應用中的至少一者。

15.根據權利要求12所述的方法，其中，所述頭盔被配置成通過網絡向云裝置發送至少一個信號數據。

16.根據權利要求1所述的方法，其中，所述至少一個能力包括對身體移動進行測量。

17.根據權利要求16所述的方法，其中，所述深度學習模塊是通過使所述用戶試驗一組身體移動來訓練的。