基于GRU神经网络和ECG信号的疲劳检测方法

发明专利有效专利

申请号：
CN202211219067.5
IPC分类号：A61B5/16;A61B5/347
申请日期：
2022-10-08
申请人：
齐鲁工业大学

基础信息

权利要求

说明书

PDF全文

法律信息

引证文献

著录项信息

专利名称	基于GRU神经网络和ECG信号的疲劳检测方法
申请号	CN202211219067.5	申请日期	2022-10-08
法律状态	公开	申报国家	中国
公开/公告日	2022-11-04	公开/公告号	CN115281676A
优先权	暂无	优先权号	暂无
主分类号	A61B5/16 ? IPC结构图谱： A 人类生活必需 A6 保健；救生；娱乐 A61 医学或兽医学；卫生学 A61B 诊断；外科；鉴定（分析生物材料入G01N，如G01N33/48） A61B5/00 用于诊断目的的测量（放射诊断入A61B6/00；超声波、声波或次声波诊断入A61B8/00）；人的辨识 A61B5/16 心理术装置（使用教具的入G09B 1/00至G09B 7/00）；测试反应的时间	IPC分类号	A;6;1;B;5;/;1;6;;;A;6;1;B;5;/;3;4;7查看分类表>
申请人	齐鲁工业大学	申请人地址	山东省济南市长清区济南市西部新城大学科技园变更专利地址、主体等相关变化，请及时变更，防止失效
权利人	齐鲁工业大学	当前权利人	齐鲁工业大学
发明人	吕国华;宋文廓;池强;程嘉玟;王美慧
代理机构	济南泉城专利商标事务所	代理人	张冉冉

摘要

本发明提供了一种基于GRU神经网络和ECG信号的疲劳检测方法，涉及新一代信息技术领域。本发明包括以下步骤:S1获取训练数据集T和测试数据集S；S2从训练集T中分别提取时域特征t、频域特征f和非线性特征n，t、f和n组合，形成特征向量；S3构建GRU神经网络构建GRU神经网络，GRU神经网络包括input层、嵌入层、GRU层、线性分类层和输出层；S4将t、f和n送入GRU神经网络训练得综合损失L，并更新GRU神经网络参数；S5利用训练集T对GRU神经网络进行训练，然后利用测试集S对经训练得到的神经网络模型进行测试，输出最终GRU神经网络模型。本发明平均绝对值误差MAE小。

序号	公开(公告)号	公开(公告)日	申请日	专利名称	申请人
该专利没有引用任何外部专利数据！

序号	公开(公告)号	公开(公告)日	申请日	专利名称	申请人
该专利没有被任何外部专利所引用！

我浏览过的专利

专利服务由北京酷爱智慧知识产权代理公司提供