BẮC KINH, 30 tháng 8 năm 2023 – WiMi Hologram Cloud Inc. (NASDAQ: WIMI) (“WiMi” hoặc “Công ty”), một nhà cung cấp hàng đầu thế giới về Công nghệ Thực tế Ảo Tăng cường (“AR”) Hologram, hôm nay thông báo rằng một phương pháp học sâu mới được áp dụng trong lĩnh vực BMI với việc tăng cường dữ liệu đã được phát triển để giải quyết một số khó khăn trong công nghệ BMI hiện tại.
Trước hết, một trong những khó khăn chính trong lĩnh vực BMI là lượng dữ liệu không đủ. Do khó khăn trong việc thu thập dữ liệu EEG của con người và lượng dữ liệu hạn chế, việc huấn luyện các bộ phân loại chính xác là rất khó khăn. Và các phương pháp tăng cường dữ liệu truyền thống cũng có những hạn chế. Do đó, WiMi đề xuất một phương pháp mới kết hợp học sâu và tăng cường dữ liệu. Phương pháp kết hợp phân rã chế độ kinh nghiệm và mạng nơ-ron sóng con, có thể tạo ra một lượng lớn dữ liệu EEG nhân tạo bằng một lượng nhỏ dữ liệu EEG, do đó cải thiện độ chính xác và khả năng tổng quát hóa của bộ phân loại.
Một phương pháp học sâu mới được WiMi phát triển kết hợp tăng cường dữ liệu và các kỹ thuật phân rã chế độ kinh nghiệm để phân loại các tín hiệu hình ảnh vận động. Phương pháp áp dụng phân rã chế độ kinh nghiệm cho các khung EEG, trộn các hàm chế độ nội tại của chúng để tạo ra các khung EEG nhân tạo mới, và chuyển đổi tất cả dữ liệu EEG thành tensor dưới dạng đầu vào cho mạng nơ-ron. Ngoài ra, hai mạng nơ-ron kết hợp CNN và mạng nơ-ron sóng con được đề xuất để huấn luyện các trọng số và phân loại hai loại tín hiệu hình ảnh chuyển động. Mạng nơ-ron sóng con là một loại mạng nơ-ron mới sử dụng sóng con thay vì các lớp tích chập.
Phương pháp học sâu mới này kết hợp CNN và mạng nơ-ron sóng con. Mạng nơ-ron tích chập là một cấu trúc mạng nơ-ron phổ biến, thường được sử dụng trong các lĩnh vực như nhận dạng hình ảnh, với khả năng trích xuất đặc trưng tốt. Mạng nơ-ron sóng con là một loại mạng nơ-ron mới sử dụng sóng con thay vì các lớp tích chập, có thể trích xuất thông tin thời gian-tần số tốt hơn. Sự kết hợp của hai mạng này có thể giải quyết tốt hơn vấn đề phân loại dữ liệu trong lĩnh vực BMI.
Điều này được thực hiện bằng cách áp dụng phân rã chế độ kinh nghiệm cho các khung EEG và trộn các hàm chế độ nội tại của chúng để tạo ra các khung EEG nhân tạo mới, sau đó chuyển đổi tất cả dữ liệu EEG thành một tensor, phục vụ như một sóng con Morlet phức tạp dưới dạng đầu vào cho mạng nơ-ron. CNN và mạng nơ-ron sóng con được sử dụng để huấn luyện các trọng số và phân loại hai loại tín hiệu hình ảnh chuyển động.
Phân rã chế độ kinh nghiệm: mỗi khung EEG được phân rã thành một số hàm chế độ nội tại (IMF) và một hạng cosine bởi kỹ thuật phân rã chế độ kinh nghiệm. Sau đó, các IMF riêng lẻ được trộn lại để tạo thành một khung EEG nhân tạo mới để huấn luyện mạng nơ-ron.
Tăng cường dữ liệu: các phương pháp tăng cường dữ liệu như xoay, dịch chuyển và thay đổi tỷ lệ được sử dụng để tạo một số khung EEG mới để huấn luyện mạng nơ-ron. Điều này mở rộng tập dữ liệu và cải thiện độ bền và độ chính xác của bộ phân loại.
Xử lý dữ liệu: tất cả dữ liệu EEG được chuyển đổi thành tensor dưới dạng đầu vào cho mạng nơ-ron. Dựa trên điều này, các sóng con Morlet phức được sử dụng để trích xuất đặc trưng.
Huấn luyện mạng nơ-ron: một mô hình mạng nơ-ron hai lớp kết hợp CNN và mạng nơ-ron sóng con để huấn luyện trọng số và phân loại hai loại tín hiệu hình ảnh chuyển động. Trong đó, mạng nơ-ron sóng con là một loại mạng nơ-ron mới sử dụng sóng con thay vì các lớp tích chập.
Ngoài ra, một khó khăn khác trong lĩnh vực BMI là nhiễu và tính biến thiên cá nhân của các tín hiệu EEG. Phương pháp này có thể tận dụng tốt hơn các đặc tính thời gian-tần số của các tín hiệu EEG và kết hợp ưu điểm của CNN và mạng nơ-ron sóng con, cải thiện khả năng chống nhiễu của bộ phân loại và giảm ảnh hưởng của tính biến thiên cá nhân, do đó nâng cao độ chính xác của bộ phân loại.
Về WIMI Hologram Cloud
WIMI Hologram Cloud, Inc. (NASDAQ: WIMI) là một nhà cung cấp giải pháp kỹ thuật đa năng đám mây hologram toàn diện tập trung vào các lĩnh vực chuyên nghiệp bao gồm phần mềm HUD ô tô AR hologram, LiDAR xung hologram 3D, thiết bị trường ánh sáng đầu đeo, bán dẫn hologram, phần mềm đám mây hologram, hệ thống định vị xe hơi hologram và các lĩnh vực khác. Các dịch vụ và công nghệ AR hologram của nó bao gồm ứng dụng ô tô AR hologram, công nghệ LiDAR xung hologram 3D, công nghệ bán dẫn thị giác hologram, phát triển phần mềm hologram, công nghệ quảng cáo AR hologram, công nghệ giải trí AR hologram, thanh toán ARSDK hologram, giao tiếp hologram tương tác và các công nghệ AR hologram khác.
Tuyên bố Miễn trừ Trách nhiệm
Bản tin này chứa các “tuyên bố tiên đoán” trong phạm vi Luật Cải cách Tranh chấp Chứng khoán Tư nhân năm 1995. Những tuyên bố tiên đoán này có thể được xác định bằng các thuật ngữ như “sẽ”, “mong đợi”, “dự đoán”, “tương lai”, “có ý định”, “kế hoạch”, “tin tưởng”, “ước tính” và các tuyên bố tương tự. Các tuyên bố không phải là sự kiện lịch sử, bao gồm các tuyên bố về niềm tin và kỳ vọng của Công ty, là các tuyên bố tiên đoán. Trong số các điều khác, triển vọng kinh doanh và báo cáo từ ban quản lý trong bản tin này và kế hoạch chiến lược và hoạt động của Công ty chứa các tuyên bố tiên đoán. Công ty cũng có thể đưa ra các tuyên bố tiên đoán bằng văn bản hoặc bằng lời nói cho Ủy ban Chứng khoán và Giao dịch Hoa Kỳ (“SEC”) trên các Mẫu 20-F và 6-K, trong báo cáo thường niên cho cổ đông, trong các thông cáo báo chí và các tài liệu bằng văn bản khác, và trong các tuyên bố bằng lời nói được thực hiện bởi các giám đốc điều hành, giám đốc hoặc nhân viên của mình cho bên thứ ba. Các tuyên bố tiên đoán liên quan đến các rủi ro và sự không chắc chắn vốn có. Một số yếu tố có thể dẫn đến kết quả thực tế khác biệt đáng kể so với bất kỳ tuyên b