一种协同决策方法及协同决策系统

摘要: 本发明涉及人工智能装备,特别是涉及一种协同决策方法及协同决策系统。背景技术:1、脑机接口(bci)技术已实现单人脑活动对外部设备的控制。随着语义通信理论与大模型...
一种协同决策方法及协同决策系统

本发明涉及人工智能装备,特别是涉及一种协同决策方法及协同决策系统。

背景技术:

1、脑机接口(bci)技术已实现单人脑活动对外部设备的控制。随着语义通信理论与大模型的发展,将多个用户的脑活动接入网络并在云端协同处理成为新的研究热点。但现有技术在多脑信源融合、语义级通信与多智能体协同决策等方面存在明显不足,往往只覆盖其中一部分。例如,将多个用户的脑活动解码结果在决策层(如分类分数或投票)进行融合。这种方式丢失了丰富的中间语义信息,难以处理“部分同意、部分不同意”等复杂群体认知场景。因此,缺乏一套将多脑信源采集、语义级超低码率压缩、云端跨个体语义对齐与多智能体特征层协同决策完整结合的系统性方案。

技术实现思路

1、本发明提供一种协同决策方法及协同决策系统,以解决脑信号融合处理效率低下以及处理结果失真的技术问题。

2、本申请第一方面提供一种多信号的协同决策方法,包括:采集多个用户针对目标对象的初始信号,将初始信号输入协同决策模型得到每个用户的语义表征;通过协同决策模型的协调感知网络对语义表征进行协调感知处理得到每个用户的语义特征、语义特征的语义置信度以及协同参数;将语义置信度和协同参数输入协同决策模型的权重确定网络得到每个用户的语义特征对应的可靠性权重;根据多个可靠性权重和语义特征进行加权融合得到融合语义特征,基于融合语义特征进行协同决策,输出针对目标对象的识别结果。

3、于本发明一实施例中,所示采集多个用户针对目标对象的初始信号,将初始信号输入协同决策模型的信号编码网络得到每个用户的语义表征,包括:将初始信号输入协同决策模型的语义编码网络得到每个用户的语义特征码流;通过协同决策模型的对齐网络对语义特征码流进行对齐处理得到每个用户的语义表征。

4、于本发明一实施例中,将初始信号输入协同决策模型的语义编码网络得到每个用户的语义特征码流,包括:将初始信号输入协同决策模型的语义编码网络进行表征提取得到预设维度的语义表征;通过语义编码网络对语义表征进行线性变换和均匀量化,得到离散隐变量;计算离散隐变量的概率分布;根据概率分布对离散隐变量进行算术编码,得到语义表征码流。

5、于本发明一实施例中,通过协同决策模型的对齐网络对语义特征码流进行对齐处理得到每个用户的语义表征,包括:对语义表征码流进行解码,得到语义表征;将语义表征码流输入语义对齐网络,与语义对齐网络配置的共享语义空间中的语义嵌入向量进行对齐统一,输出校准后的语义特征,其中,语义嵌入向量与语义表征表示同一语义概念,校准后的语义特征相较于语义嵌入向量之间的欧氏距离小于预设阈值。

6、于本发明一实施例中,通过协同决策模型的协调感知网络对语义表征进行协调感知处理得到每个用户的语义特征、语义特征的语义置信度以及协同参数,包括:协调感知网络对语义表征进行非线性变换,得到语义表征的输出值,使用激活函数将输出值压缩到预设数值空间,得到输出标量作为语义置信度,以及对语义表征进行线性变换,得到语义特征;协调感知网络对语义表征进行独立成分分析,统计预设干扰片段在整个语义表征中所占比例,根据所占比例确定出信号质量度量,其中,信号质量度量与所占比例成正比;协调感知网络计算语义表征的平均值,以及每个用户的语义表征与平均值之间的余弦相似度,作为一致性度量;将信号质量度量和一致性度量设置为协同参数。

7、于本发明一实施例中,将每个用户的语义置信度和协同参数输入协同决策模型的权重确定网络得到每个用户的语义特征对应的可靠性权重,包括:将每个用户的语义置信度、协同参数中的信号质量度量和一致性度量进行加权组合后经归一化函数归一化,得到可靠性权重,其中,若任一用户的协同参数中的一致性度量低于预设阈值,则降低语义特征对应的可靠性权重。

8、于本发明一实施例中,根据多个可靠性权重和语义特征进行加权融合得到融合语义特征,基于融合语义特征进行协同决策,输出针对目标对象的识别结果,包括:根据多个语义特征以及每个语义特征对应的可靠性权重,计算出融合语义特征;在融合语义特征与预设融合语义特征之间的欧氏距离小于预设阈值的情况下,基于融合语义特征进行协同决策,输出针对目标对象的识别结果,其中,识别结果描述用户对目标对象的群体决策。

9、于本发明一实施例中,采集多个用户针对目标对象的初始信号,包括:根据相同的预设维度和预设采样频率采集各个用户的初始信号,其中,初始信号包括用户的脑信号。

10、本申请第二方面提供一种协同决策系统,包括:多脑信源采集模块,用于采集多个用户针对目标对象的初始信号,语义编码模块,用于将初始信号输入协同决策模型得到每个用户的语义表征;共享语义模型模块,用于通过协同决策模型的协调感知网络对语义表征进行协调感知处理得到每个用户的语义特征、语义特征的语义置信度以及协同参数;多智能体协同决策模块,用于将语义置信度和协同参数输入协同决策模型的权重确定网络得到每个用户的语义特征对应的可靠性权重;协同决策结果输出模块,用于根据多个可靠性权重和语义特征进行加权融合得到融合语义特征,基于融合语义特征进行协同决策,输出针对目标对象的识别结果。

11、本申请第三方面提供一种电子设备,包括存储器、处理器以及存储在存储器中并可在处理器上运行的计算机程序,其特征在于,处理器执行计算机程序时实现如本发明的第三方面的协同决策方法的步骤。

12、本发明的有益效果:第一,在边缘侧(信号采集端)以语义失真最小化(而非波形重建误差最小化)为优化目标进行语义级压缩编码;第二,在云端通过共享语义模型(语义对齐网络)将各用户的语义表征与共享语义空间的语义嵌入向量进行对齐统一,消除个体差异造成的表征偏移;第三,由转换计算网络(信源智能体和协调智能体)根据语义表征计算生成语义特征以及语义置信度并结合信号质量、语义一致性、历史准确率等指标计算各用户的可靠性权重,在语义特征层进行加权融合,使低可靠用户被降权,高可靠用户的连续语义特征主导融合结果。上述三个技术手段直接针对产生技术问题的根本原因,共同保留了连续的群体认知状态并抑制了低可靠用户的干扰,从而提高了群体协同决策的准确率与鲁棒性,改善了相关技术中决策层融合精度受限、易受噪声用户干扰以及带宽占用过高的问题。

1.一种多信号的协同决策方法,其特征在于,包括:

2.根据权利要求1所述的方法,其特征在于,所示采集多个用户针对目标对象的初始信号,将所述初始信号输入协同决策模型的信号编码网络得到每个所述用户的语义表征,包括:

3.根据权利要求2所述的方法,其特征在于,所述将所述初始信号输入所述协同决策模型的语义编码网络得到每个所述用户的语义特征码流,包括:

4.根据权利要求2所述的方法,其特征在于,所述通过所述协同决策模型的对齐网络对所述语义特征码流进行对齐处理得到每个所述用户的所述语义表征,包括:

5.根据权利要求1所述的方法,其特征在于,所述通过所述协同决策模型的协调感知网络对所述语义表征进行协调感知处理得到每个所述用户的语义特征、所述语义特征的语义置信度以及协同参数,包括:

6.根据权利要求5所述的方法,其特征在于,所述将每个所述用户的所述语义置信度和协同参数输入所述协同决策模型的权重确定网络得到每个所述用户的语义特征对应的可靠性权重,包括:

7.根据权利要求1所述的方法,其特征在于,所述根据多个所述可靠性权重和所述语义特征进行加权融合得到融合语义特征,基于所述融合语义特征进行协同决策,输出针对所述目标对象的识别结果,包括:

8.根据权利要求1所述的方法,其特征在于,所述采集多个用户针对目标对象的初始信号,包括:

9.一种协同决策系统,其特征在于,包括:

10.一种电子设备,包括存储器与处理器,所述存储器存储计算机程序,所述处理器执行所述程序时实现权利要求1至8任一项所述的方法。