[發明專利]一種基于卷積循環神經網絡的腦認知過程模擬方法

有效

• 申請號: 202010514718.8
• 申請日: 2020-06-08
• 公開（公告）號: CN111783942B
• 公開（公告）日: 2023-08-01
• 發明（設計）人: 徐頌;王麗娜;劉晶晶;王清華;蔣彭龍
• 申請（專利權）人: 北京航天自動控制研究所
• 主分類號: G06N3/0464
• 分類號: G06N3/0464;G06N3/044;G06N3/09;G06F18/25;G06F18/2135
• 代理公司: 中國航天科技專利中心 11009
• 代理人: 龐靜

本發明涉及一種基于卷積循環神經網絡的腦認知過程模擬方法，(1)被試人員按照預設的實驗范式流程進行試驗，并同步采集被試人員的多通道腦電信號數據；(2)對采集后得到的原始腦電信號進行有效成分提取；(3)確定相關刺激下腦電高效特征；(4)構建雙通道檢測模型，并獲取所述相關刺激下提取的融合特征圖；(5)構建區域推薦網絡與回歸網絡；(6)將上述構建的雙通道檢測模型以及區域推薦網絡與回歸網絡作為腦認知模型，將步驟(1)中所述的相關刺激以及步驟(3)確定的腦電高效特征組成訓練數據集，對腦認知模型進行訓練，逼近相關刺激信號到腦電信號的認知聯系，從而模擬人體對相關刺激的處理能力。

技術領域

本發明涉及一種基于卷積循環神經網絡的腦認知過程模擬方法，屬于智能信息處理技術領域。

背景技術

研究類人腦神經網絡模型和計算方法，開發受腦啟發的類腦智能技術，是未來智能化時代的關鍵領域，也是新一輪科技革命的重心。類腦智能技術能夠適用于人類相對計算機更具優勢的信息處理任務，如機器的環境感知、交互、自主決策與智能控制等。傳統人工神經網絡結構忽略了大量與實現類腦智能密切相關的生物規則。開展基于神經電生理的腦認知機理研究，以及基于腦認知的智能分析策略研究，能夠從仿生學角度搭建類人腦神經網絡模型，實現對腦認知技能的學習逼近和對人腦神經網絡工作原理的充分表達。因此，本發明的提出有利于推出新型神經網絡學習模型，并為創新神經網絡結構模式，開發受腦啟發的類腦智能網絡結構提供技術途徑。

對大腦認知系統進行辨識分析對深入理解面向相關感官刺激的腦認知機理有重要的指導意義。研究表明，人腦認知系統分級處理，從低層級系統區提取特征，到高層級的認知行為。高層的特征是低層特征的組合，從低層到高層的特征表示越來越強，越來越表現意圖。從神經電生理角度出發，對人腦認知機制與腦電信號展開深入研究，利用前沿人工智能領域知識，構建深度卷積循環神經網絡模擬人腦認知過程，旨在構建新型符合人腦認知模式的相關刺激處理系統，能夠更好的為理解人體認知機理提供新的思路。其中最關鍵的是腦認知過程模擬方法的設計。腦認知過程模擬方法是通過將腦科學與信息科學有機結合，研究在一定相關感官刺激與腦電信號的多維時空關系映射，構建的基于深度卷積循環神經網絡的腦認知模型。能夠用于探究人腦認知識別機理與處理優勢，能夠從基礎理論層面為相關感官刺激處理與理解的模式提供新思路。

發明內容

本發明解決的技術問題是：設計了一種基于卷積循環神經網絡的腦認知過程模擬方法，實現了相關感官刺激與腦電信號的多維時空關系映射分析，保證了面向腦認知的相關刺激智能處理的可行性。

本發明解決技術的方案是：一種基于卷積循環神經網絡的腦認知過程模擬方法，包括下列步驟：

(1)令被試人員按照預設的實驗范式流程進行操作，同步采集被試人員在實驗范式中相關刺激下的多通道原始腦電信號數據，并對采集的原始腦電信號進行有效成分提取；

(2)對提取的有效腦電信號進行關鍵特征提取以及特征選擇，確定被試人員相關刺激下的腦電高效特征；

(3)構建基于VGG網絡低層特征的邊緣信息通道網絡，利用該通道提取來自VGG網絡中conv1-2和conv2-2的低層特征，獲得相關刺激中的目標邊界，進而得到邊緣信息特征圖；

(4)構建基于VGG網絡高層特征的語義信息通道網絡，利用該通道提取來自VGG網絡中conv3-3，conv4-3和conv5-3的高層特征，獲得相關刺激中的語義信息，進而得到語義信息特征圖；

(5)將所述的邊緣信息通道網絡和語義信息通道網絡進行拼接融合，得到雙通道檢測模型，同時，將對應的邊緣信息特征圖與語義信息特征圖進行拼接得到融合特征圖；

(6)構建區域推薦網絡，以所述融合特征圖作為輸入，得到目標推薦區域；

(7)構建回歸網絡，以目標推薦區域連同所述的融合特征圖以區域下采樣的方式一起作為輸入，獲取腦電高效特征；