新濠锋娱乐城网址,伍豹棋牌游戏币,娱乐场所治安管理办法处罚 (中国)·官方网站

適用于裝配式外加電梯井道施工的小型自提升式吊裝設(shè)備和施工方法

項(xiàng)目成果/簡介:技術(shù)分析(創(chuàng)新性、先進(jìn)性、獨(dú)占性)目前在我國城鎮(zhèn)住宅中，大量建于20世紀(jì)八、九十年代，高度在10-24米之間，層數(shù)在4-7層之間的多層住宅，受當(dāng)時(shí)經(jīng)濟(jì)發(fā)展水平、建設(shè)標(biāo)準(zhǔn)和相關(guān)建筑規(guī)范的限制，都沒有配建電梯。隨著我國人口老齡化問題日趨嚴(yán)重，為既有多層住宅加裝電梯的適老化改造勢在必行。創(chuàng)新性由于本發(fā)明設(shè)備和施工方法，借助下部已完成的電梯井道作為支撐結(jié)構(gòu)，設(shè)備自身隨施工進(jìn)度逐層自提升，無需獨(dú)立支撐結(jié)構(gòu)和巨大的吊臂，極大地減小了設(shè)備的自身體積和重量。由于本發(fā)明設(shè)備和施工方法，實(shí)現(xiàn)了電梯井道的土建施工與電梯設(shè)備的安裝施工的有機(jī)結(jié)合，交叉同步進(jìn)行，一機(jī)多用，極大地提高了施工的效率和速度。由于本發(fā)明設(shè)備和施工方法，設(shè)備安裝在電梯井道內(nèi)部，無需占用其他場地，吊臂尺寸及作業(yè)范圍小，極大地減少了對居民日常生活的干擾，提高了施工的安全性。先進(jìn)性由于本發(fā)明設(shè)備和施工方法，利用電梯轎廂軌道、導(dǎo)靴和安全鉗作為設(shè)備自身提升的垂直導(dǎo)向和安全制動(dòng)裝置,利用電梯轎廂為施工垂直運(yùn)輸和人員操作的平臺(tái)，極大地簡化了設(shè)備的結(jié)構(gòu)。由于本發(fā)明采用了格構(gòu)化的吊臂結(jié)構(gòu)，相對于常見的液壓伸縮吊臂基本都采用方鋼截面形式，具有重量輕、穩(wěn)定性強(qiáng)的特點(diǎn)，極大地減小了設(shè)備的自重。由于本發(fā)明采用雙向液壓缸帶動(dòng)液壓桿與兩根吊臂組合的形式，不僅加大了兩根液壓桿的伸縮范圍，提高了液壓缸的靈活性，可以到達(dá)設(shè)備的正上方和后上方，更大大簡化了整體機(jī)械結(jié)構(gòu)。獨(dú)占性本發(fā)明與技術(shù)由華城(天津)建筑科技有限公司和天津大學(xué)建筑學(xué)院、建筑工程學(xué)院、機(jī)械學(xué)院、電氣自動(dòng)化與信息工程學(xué)院共同組成的研究團(tuán)隊(duì)自主完成，具有完全的知識(shí)產(chǎn)權(quán)，并同時(shí)申報(bào)國家發(fā)明和實(shí)用新型專利，目前已取得實(shí)用新型專利2項(xiàng)，1 項(xiàng)發(fā)明專利已進(jìn)入實(shí)質(zhì)性審查階段，另有1項(xiàng)發(fā)明專利和1項(xiàng)實(shí)用新型專利已經(jīng)完成申報(bào)。總之，本發(fā)明設(shè)備具有體積小、重量輕、結(jié)構(gòu)簡單、操作簡便，易于搬運(yùn)及安裝，作業(yè)空間范圍小的特點(diǎn)。采用該設(shè)備和施工方法，不僅擺脫因老舊小區(qū)內(nèi)部道路狹窄，大型的運(yùn)輸和起重車輛難以進(jìn)入，以及因老舊小區(qū)空間狹小，環(huán)境復(fù)雜，使用大型起重機(jī)械進(jìn)行施工，場地內(nèi)部干擾多，對居民及周邊建筑干擾大，存在安全隱患等現(xiàn)實(shí)問題；更有利于提高施工效率，縮短現(xiàn)場施工周期，降低勞動(dòng)力成本，提高施工精度，保證施工質(zhì)量與安全，減少對居民日常生活的干擾，符合建筑工業(yè)化、標(biāo)準(zhǔn)化、裝配化的發(fā)展趨勢。應(yīng)用范圍:應(yīng)用范圍及目前應(yīng)用狀態(tài)目前既有多層建筑加裝電梯的相關(guān)技術(shù)，大多數(shù)采用構(gòu)建工廠預(yù)制現(xiàn)場拼裝的施工方式，或工廠整體預(yù)制現(xiàn)場整體吊裝的施工方式。如公開號(hào)CN102583131A的專利文獻(xiàn)公開了一種采用組合式井架組裝的電梯井道壁，其包括由分布于井道四角的4根立柱和至少8橫梁連接形成的井架結(jié)構(gòu)，橫梁與立柱之間設(shè)有拉條或加強(qiáng)板，上下相鄰井架結(jié)構(gòu)通過立柱頂端立柱接頭和連接座對位，并通過連接孔用高強(qiáng)螺栓連接。再如公開號(hào)CN107117517A的專利文獻(xiàn)公開了一種模塊化電梯井道單體及其電梯井道。其包括多個(gè)豎向方通、橫向方通和槽鋼焊接形成的截面為方形的井道單元，相鄰兩個(gè)豎向方通的上、下兩端均有槽鋼沿橫向連接，相鄰兩個(gè)豎向方通的中部設(shè)有橫向方通，上下相鄰兩個(gè)井道單元通過焊接在井道單元上下兩端槽鋼側(cè)面的綴塊，以及豎向方鋼內(nèi)的芯柱連接。公開號(hào)CN107215749A的專利文獻(xiàn)公開了一種電梯井道結(jié)構(gòu)及提升方法，提出采用工廠整體預(yù)制現(xiàn)場分段提升的施工方式。但其中所采用提升設(shè)備安裝在下層結(jié)構(gòu)框架的側(cè)邊上，每次提升結(jié)束后都需要將提升設(shè)備升至到新的高度，以完成下一步提升作業(yè)，且每次提升操作都需要完成垂直和水平兩個(gè)方向的移動(dòng)，作業(yè)環(huán)節(jié)多，技術(shù)較復(fù)雜。上述解決方案，雖然主體框架結(jié)構(gòu)可以實(shí)現(xiàn)工廠標(biāo)準(zhǔn)化預(yù)制，但構(gòu)件數(shù)量與種類多，連接節(jié)點(diǎn)復(fù)雜。而且即使采用工廠整體預(yù)制和現(xiàn)場整體吊裝的施工方式，在主體框架結(jié)構(gòu)施工完成后，進(jìn)行幕墻等圍護(hù)結(jié)構(gòu)的施工仍然無法避免大量的高空作業(yè)，以及搭建腳手架和防護(hù)工程等二次施工。同時(shí)，現(xiàn)實(shí)整體吊裝的施工過程中，由于場地內(nèi)部道路狹窄，既有建筑之間距離有限，加上周圍樹木、路燈等的干擾，大型的運(yùn)輸車輛和起重機(jī)械很難進(jìn)入。即使能夠靠近施工場地，不僅作業(yè)的空間受限，而且安全措施也無法保證，存在較大安全隱患，對居民干擾大。現(xiàn)代工程技術(shù)的進(jìn)步不僅表現(xiàn)為工程規(guī)模的巨大和工程技術(shù)的復(fù)雜，而且也體現(xiàn)在工程施工的機(jī)械程度越來越高。各種工程機(jī)械種類繁多，在出現(xiàn)大量通用工程機(jī)械設(shè)備的同時(shí)，各種用于特定施工場景和特定用途的專用設(shè)備也越來越多。如目前最常見塔吊就是專門用來進(jìn)行高層建筑工程施工的專用設(shè)備，集裝箱碼頭用的龍門吊就是為了適應(yīng)集裝箱規(guī)格統(tǒng)一但吊裝效率高的需求而發(fā)明的專用設(shè)備。對于通常工程施工、設(shè)備安裝，以及搶險(xiǎn)、救援等場最使用的起重機(jī)械大多采用液壓伸縮吊臂的形式。由于受機(jī)械結(jié)構(gòu)和力學(xué)原理的限制，液壓伸縮吊臂的規(guī)格和重量一般都比較大，通常直接采用輪胎式或履帶式車載的方式來提高搬運(yùn)和組裝的效率，大大提高的起重機(jī)械的靈活性。目前既有多層建筑加裝電梯的相關(guān)技術(shù)，大多數(shù)采用工廠整體預(yù)制，現(xiàn)場整體吊裝的施工方式。雖然現(xiàn)場整體吊裝施工，可以使用通用的大型吊車來完成，但通常情況下由于場地內(nèi)部道路狹窄，既有建筑之間距離有限，加上周圍樹木、路燈等的干擾，大型的運(yùn)輸車輛和起重機(jī)械很難進(jìn)入。即使能夠靠近施工場地，不僅作業(yè)的空間受限，而且安全措施也無法保證，存在較大安全隱患，對居民干擾大。因此，需要針對空間小、干擾多的施工場最發(fā)明既有多層建筑加裝電梯工程吊裝施工的專用小型起重設(shè)備。針對目前既有多層建筑裝配式外加電梯井道工程中，施工周期長，施工場地空間受限、對居民干擾大、存在安全隱患、操作環(huán)節(jié)多、技術(shù)復(fù)雜等問題，本發(fā)明提供一種適用于裝配式外加電梯井道施工的小型白提升式吊裝設(shè)備。使用該設(shè)備進(jìn)行電梯井道的吊裝施工，占地空間小，施工周期短，對居民干擾小，方便、安全、快捷。效益分析:前景及經(jīng)濟(jì)社會(huì)效益分析等根據(jù)1956年聯(lián)合國《人口老齡化及其社會(huì)經(jīng)濟(jì)后果》確定的標(biāo)準(zhǔn)，當(dāng)一個(gè)國家或地區(qū) 65歲及以上老年人口數(shù)量占總?cè)丝诒壤^7%時(shí)，則意味著這個(gè)國家或地區(qū)進(jìn)入老齡化。1982 年維也納老齡問題世界大會(huì)，確定60 歲及以上老年人口占總?cè)丝诒壤^10%, 意味著這個(gè)國家或地區(qū)進(jìn)入嚴(yán)重老齡化。根據(jù)2000年第五次人口普查結(jié)果，我國65歲以上老年人口已達(dá)8811 萬人，占總?cè)丝?.96%，60 歲以上人口達(dá)1.3億人，占總?cè)丝?0.2%，按國際標(biāo)準(zhǔn)我國正式進(jìn)入了老齡化社會(huì)。而截至2017年底，我國60周歲及以上人口2.4億人，占總?cè)丝诘?7.3%，其中65周歲及以上人口1.58億人，占總?cè)丝诘?.4%中國老年人口比例嚴(yán)重超標(biāo)，已經(jīng)成為世界上老年人口最多的國家，社會(huì)老齡化問題已經(jīng)十分嚴(yán)峻。近年來，廣東、上海、北京、福州、杭州等各地方政府鼓勵(lì)城市居民自行出資加裝電梯，并已開展了大量改造工程實(shí)踐，并取得了較好的社會(huì)效果。2018至2021四年間國務(wù)院總理李克強(qiáng)的政府工作報(bào)告中都明確提出鼓勵(lì)和支持既有多層住宅加裝電梯。據(jù)統(tǒng)計(jì)，我國2000年前建成的老舊小區(qū)約有17萬個(gè)，總面積近100億平米，幾乎等于歐洲主要國家的總和，約是日本的4倍，涉及約4200萬戶和上億居民。按照可操作性預(yù)估，如果全部加裝電梯，市場需求量約為500萬臺(tái)。去除因建筑設(shè)計(jì)、無法協(xié)商等客觀因素?zé)o法加裝的，保守估計(jì)至少需要200萬臺(tái)以上。按目前每部電梯綜合造價(jià)60萬元計(jì)算，可以帶動(dòng)至少1.2萬億的固定資產(chǎn)投資。如此巨大的改造范圍和工程量，不僅是一項(xiàng)重大的民生和民心工程，也蘊(yùn)含著巨大的市場潛力，成為新常態(tài)下拉動(dòng)內(nèi)需促進(jìn)經(jīng)濟(jì)增長的重要引擎，具有重要政治、經(jīng)濟(jì)、社會(huì)和環(huán)境意義。知識(shí)產(chǎn)權(quán)類型:發(fā)明專利技術(shù)成熟度:正在研發(fā)技術(shù)先進(jìn)程度:達(dá)到國內(nèi)先進(jìn)水平成果獲得方式:與院校合作自籌資金:100.00萬元自籌資金來源:企業(yè)

天津大學(xué) 2021-04-11

一種通過scout ESI和CNN解碼EEG運(yùn)動(dòng)想象四分類任務(wù)的新方法

導(dǎo)讀東北電力大學(xué)和長春理工大學(xué)研究團(tuán)隊(duì)開發(fā)并實(shí)現(xiàn)一種結(jié)合腦電圖源成像(ESI)技術(shù)和卷積神經(jīng)網(wǎng)絡(luò)(CNN)的新方法，以對運(yùn)動(dòng)想象(MI)任務(wù)進(jìn)行分類。ESI技術(shù)采用邊界元法(BEM)和加權(quán)最小范數(shù)估計(jì)(WMNE)分別解決EEG的正向和逆向問題。然后在運(yùn)動(dòng)皮層中創(chuàng)建十個(gè)scout來選擇感興趣的區(qū)域(ROI)。研究者使用Morlet小波方法從scout的時(shí)間序列中提取特征。最后，使用CNN對MI任務(wù)進(jìn)行分類。實(shí)驗(yàn)結(jié)果:在Physionet數(shù)據(jù)庫上的整體平均準(zhǔn)確率達(dá)到94.5%，分別對左拳頭、右拳頭、雙拳和雙腳的單個(gè)準(zhǔn)確率達(dá)到95.3%、93.3%、93.6%、96%，采用十倍交叉驗(yàn)證進(jìn)行驗(yàn)證。研究人員表示，他們的研究成果與最先進(jìn)的MI分類方法的結(jié)果相比，總體分類增加了14.4%。研究者為驗(yàn)證方法的有效性，加入了4個(gè)新的受試者進(jìn)行驗(yàn)證，發(fā)現(xiàn)總體平均準(zhǔn)確率為92.5%。此外，全局分類器適應(yīng)單一對象，整體平均準(zhǔn)確率提高到94.54%。研究者表示，他們提出的結(jié)合scout ESI和CNN的方法，提高了腦電解碼四類MI任務(wù)的BCI性能。系統(tǒng)框架圖1 系統(tǒng)框架圖系統(tǒng)框架如圖1所示。原始數(shù)據(jù)來自國際10-10系統(tǒng)的64個(gè)電極(不包括Nz、F9、F10、FT9、FT10、A1、A2、TP9、TP10、P9和P10電極)，并以每秒160個(gè)樣本的速度采集。根據(jù)國際10-10系統(tǒng)從64個(gè)通道采集原始腦電圖，并使用BCI2000系統(tǒng)進(jìn)行記錄。記錄的數(shù)據(jù)被分為四個(gè)獨(dú)立MI任務(wù)包括左拳MI,右拳MI,雙拳MI和雙腳MI。首先，由于ERD在執(zhí)行運(yùn)動(dòng)想象時(shí)在alpha和beta中不同，因此使用FIR濾波器對EEG進(jìn)行了8 Hz至30 Hz的帶通濾波。然后，通過計(jì)算包含正問題和逆問題的源，將傳感器空間的活動(dòng)轉(zhuǎn)化為源空間的活動(dòng)。接下來，創(chuàng)建scout并提取特征。研究者在運(yùn)動(dòng)皮層中創(chuàng)建了10個(gè)scout，因?yàn)槲覀冎魂P(guān)心與運(yùn)動(dòng)相關(guān)的活動(dòng)。十個(gè)scout中的每一個(gè)都代表了可用源空間中的一個(gè)感興趣的區(qū)域(ROI)，并且是定義在皮層表面或頭部體積上的偶極子的子集。左腦的scout稱為L1、L2、L3、L4、L5，右腦的scout稱為R1、R2、R3、R4、R5。利用JTFA從10個(gè)scout的源時(shí)間序列中提取特征。最后，利用CNN對時(shí)頻圖進(jìn)行分離并進(jìn)行分類。實(shí)驗(yàn)在實(shí)驗(yàn)中，研究人員僅使用了隨機(jī)選擇的十個(gè)受試者的MI trail (S5，S6，S7，S8，S9，S10，S11，S12，S13，S14)。這里用于分析的數(shù)據(jù)集包含每個(gè)受試者84次試驗(yàn)，每一類包含21次試驗(yàn)。在記錄64通道腦電圖時(shí)，受試者執(zhí)行了不同的運(yùn)動(dòng)想象任務(wù)。每個(gè)受試者針對以下四個(gè)任務(wù)中的每一個(gè)執(zhí)行了3輪21試驗(yàn)：當(dāng)目標(biāo)出現(xiàn)在屏幕左側(cè)時(shí)，受試者想象打開和合上相應(yīng)的拳頭，直到目標(biāo)消失。然后受試者放松。當(dāng)目標(biāo)出現(xiàn)在屏幕的右側(cè)時(shí)，受試者想象打開和合上相應(yīng)的拳頭，直到目標(biāo)消失。然后受試者放松。當(dāng)目標(biāo)出現(xiàn)在屏幕頂部時(shí)，受試者想象打開和合上雙手的拳頭，直到目標(biāo)消失。然后受試者放松。當(dāng)目標(biāo)出現(xiàn)在屏幕底部時(shí)，目標(biāo)會(huì)想象雙腳張開和合攏，直到目標(biāo)消失。然后受試者放松。為了統(tǒng)一數(shù)據(jù)維數(shù)，研究者選擇了4s的數(shù)據(jù)，因?yàn)槊看蜗胂笕蝿?wù)的執(zhí)行時(shí)間都在4s左右。此外，腦電圖任務(wù)是分開的，研究人員在實(shí)驗(yàn)中將左拳，右拳，雙拳和雙腳MI任務(wù)分別稱為T1，T2，T3和T4。圖2 scout命名左右運(yùn)動(dòng)想象的scout分別命名為L1、L2、L3、L4、L5、R1、R2、R3、R4、R5，如圖2所示。10個(gè)scout每一個(gè)都被擴(kuò)展到40個(gè)頂點(diǎn)，每個(gè)頂點(diǎn)只有一個(gè)源。L1區(qū)域?qū)?yīng)40個(gè)信號(hào)，其他scout也一樣。在計(jì)算了來源后，研究者在運(yùn)動(dòng)皮層中創(chuàng)建了十個(gè)scout，如圖3所示。圖3 創(chuàng)建10個(gè)scout使用ESI計(jì)算十個(gè)受試者(S5、S6、S7、S8、S9、S10、S11、S12、S13、S14)每次試驗(yàn)的四個(gè)任務(wù)(T1、T2、T3、T4)的源。對于這四項(xiàng)任務(wù)中的每一項(xiàng)，每個(gè)受試者每次都要進(jìn)行7次測試(#1，#2，#3，#4，#5，#6，#7)。展示了第一個(gè)步的10個(gè)被試的10個(gè)scout的4項(xiàng)任務(wù)的來源。然后提取10個(gè)scout的時(shí)間序列進(jìn)行進(jìn)一步分析。特征提取在計(jì)算源之后，研究人員在運(yùn)動(dòng)皮層中創(chuàng)建了包含40個(gè)源的10個(gè)scout，并提取了scout的時(shí)間序列。如圖4所示為提取R5 scout時(shí)間序列作為示例。圖的右邊顯示了R5 scout的時(shí)間序列。本文利用小波變換從scout時(shí)間序列中提取特征。圖4 提取R5 scout時(shí)間序列作為示例在這項(xiàng)研究中，研究者提出利用CNN來解決運(yùn)動(dòng)想象任務(wù)分類的問題。該模型基于Schirrmeister等提出的Deep ConvNet架構(gòu)，該網(wǎng)絡(luò)模型由一個(gè)六層卷積網(wǎng)絡(luò)組成，其中兩個(gè)最大池層和三個(gè)全連接層，如圖5所示。圖5對于Physionet數(shù)據(jù)庫，研究者首先采用Deep ConvNet架構(gòu)，包括四個(gè)卷積層、四個(gè)最大池層和一個(gè)全連接層。在實(shí)驗(yàn)中，研究者依據(jù)經(jīng)驗(yàn)使用兩個(gè)最大池化層。并嘗試了不同數(shù)量的卷積層和完全連接層。時(shí)頻圖利用Morlet小波方法得到了scout的特征。對于每個(gè)任務(wù)，R5 scout的時(shí)頻圖如圖6所示。包含時(shí)間和頻率互補(bǔ)的時(shí)頻分析方法提供了時(shí)域和頻域的聯(lián)合分布信息，清晰地描述了信號(hào)頻率與時(shí)間的關(guān)系。圖6 R5 scout的時(shí)頻圖顯然，只有部分時(shí)頻映射是紅色的，表明每個(gè)任務(wù)只對特定的頻率和時(shí)間敏感。由于圖的數(shù)量比較大，研究者使用CNN來選擇和學(xué)習(xí)這些圖中最基本的特征。研究人員隨機(jī)選擇了幾個(gè)樣本，并將一些特征圖可視化，作為MI任務(wù)的學(xué)習(xí)表示，如圖7所示。圖7為了獲得有效的結(jié)果，將數(shù)據(jù)集分為90％作為訓(xùn)練集，其余10％作為測試集。首先，將十個(gè)受試者的數(shù)據(jù)集（總共19320個(gè)樣本）分為17388個(gè)樣本以訓(xùn)練所提出的CNN模型，以及1932個(gè)樣本以驗(yàn)證模型的有效性。在實(shí)驗(yàn)中，研究者還選擇了另外四個(gè)受試者的數(shù)據(jù)集以增加數(shù)據(jù)集的規(guī)模(27048個(gè)樣本)，其中24343個(gè)樣本是訓(xùn)練集，其他樣本是測試集。在選定的scout上對所提出的CNN架構(gòu)進(jìn)行了十次訓(xùn)練和測試，以驗(yàn)證所提出模型的魯棒性。圖8(a)顯示了10個(gè)scout中每個(gè)的全局平均精度。圖8 統(tǒng)計(jì)結(jié)果R5的全局平均精度最高，達(dá)到94.5%，而L2的全局平均精度最低，為91.3%。對應(yīng)L1、L3、L4、L5、R1、R2、R3、R4的整體準(zhǔn)確率分別為92.4%、92.5%、93.6%、91.9%、93.0%、91.8%、92.1%、92.6%。所有scout的總體精度均在91%以上，標(biāo)準(zhǔn)差均在0.20%以下。圖8(b)顯示了十個(gè)scout中每個(gè)scout四個(gè)MI任務(wù)的組級(jí)統(tǒng)計(jì)結(jié)果及其標(biāo)準(zhǔn)差。一般來說，R5表現(xiàn)的要比其他的好，而L2在迭代2000中表現(xiàn)最差。標(biāo)準(zhǔn)差較小，說明這些精度更接近平均值且穩(wěn)定。圖9 統(tǒng)計(jì)結(jié)果圖9(a)顯示了帶有標(biāo)準(zhǔn)差的混淆矩陣，說明了group level分類結(jié)果。T1、T2、T3和T4的全局平均精度峰值分別為95.3%、93.3%、93.6%和96.0%。R5 scout的四個(gè)MI任務(wù)中的每一個(gè)都如圖9(b)所示。通過改變訓(xùn)練集和測試集順序的10次試驗(yàn)，確定了scoutR5的性能，結(jié)果如圖10(a)和(b)所示。在10次試驗(yàn)中，scout R5的T1、T2、T3、T4的平均準(zhǔn)確率分別為93.3%、93.8%、94.2%、94.1%。換句話說，四個(gè)任務(wù)中每一個(gè)的平均準(zhǔn)確率都超過了93%。全局平均準(zhǔn)確率為93.7%。10次試驗(yàn)結(jié)果表明，該方法對scout R5的分類效果較好。從以上結(jié)果可以清楚地看出，R5 scout在四種MI任務(wù)的分類中扮演著最重要的角色。因此，選擇R5對四個(gè)MI任務(wù)進(jìn)行分類。圖 10圖11. (a)是不同模型的全局平均準(zhǔn)確性的比較。可以發(fā)現(xiàn)，該研究提出的模型可以達(dá)到最大的精度。從圖11. (b)不同模型的ROC曲線可以看出提出的模型比其他模型表現(xiàn)更好。?不同模型T1上的精度比較。(d)不同模型T2的精度比較。(e)不同模型T3的精度比較。(f)不同型號(hào)T4的精度比較。圖11 不同模型的精度比較結(jié)論東北電力大學(xué)和長春理工大學(xué)研究團(tuán)隊(duì)開發(fā)并實(shí)現(xiàn)一種結(jié)合腦電圖源成像(ESI)技術(shù)和卷積神經(jīng)網(wǎng)絡(luò)(CNN)的新方法。該方法可以對運(yùn)動(dòng)想象(MI)任務(wù)進(jìn)行分類。實(shí)驗(yàn)結(jié)果表明，他們的研究成果與最先進(jìn)的MI分類方法的結(jié)果相比，總體分類增加了14.4%。研究者加入了4個(gè)新的受試者進(jìn)行驗(yàn)證來驗(yàn)證方法的有效性。研究者表示，他們提出的結(jié)合scout ESI和CNN的方法，提高了腦電解碼四類MI任務(wù)的BCI性能。論文信息：A novel approach of decoding EEG four-class motor imagery tasks via scout ESI and CNN

東北電力大學(xué) 2021-04-10

葡京娱乐场-富盈娱乐场开户