BEIJING, 30 Agustus 2023 — WiMi Hologram Cloud Inc. (NASDAQ: WIMI) (“WiMi” atau “Perusahaan”), penyedia Teknologi Augmented Reality (“AR”) Hologram terkemuka global, hari ini mengumumkan bahwa metode pembelajaran dalam yang baru diterapkan di bidang BMI dengan peningkatan data telah dikembangkan untuk memecahkan beberapa kesulitan dalam teknologi BMI saat ini.
Pertama-tama, salah satu kesulitan utama di bidang BMI adalah jumlah data yang tidak mencukupi. Karena kesulitan akuisisi data EEG manusia dan jumlah data yang terbatas, sulit untuk melatih klasifikator yang akurat. Dan metode peningkatan data tradisional juga memiliki keterbatasan. Oleh karena itu, WiMi mengusulkan metode baru yang menggabungkan pembelajaran mendalam dan augmentasi data. Metode tersebut menggabungkan dekomposisi modus empiris dan jaringan saraf wavelet, yang dapat menghasilkan sejumlah besar data EEG buatan menggunakan sejumlah kecil data EEG, sehingga meningkatkan akurasi dan kemampuan generalisasi klasifikator.
Metode pembelajaran mendalam baru yang dikembangkan oleh WiMi menggabungkan augmentasi data dan teknik dekomposisi modus empiris untuk mengklasifikasikan sinyal imajinasi motorik. Metode ini menerapkan dekomposisi modus empiris pada bingkai EEG, mencampur fungsi modal intrinsik mereka untuk membuat bingkai EEG buatan baru, dan mengubah semua data EEG menjadi tensor sebagai masukan ke jaringan saraf. Juga, dua jaringan saraf yang menggabungkan CNN dan jaringan saraf wavelet diusulkan untuk melatih bobot dan mengklasifikasikan dua jenis sinyal gambar gerakan.
Metode pembelajaran mendalam baru ini menggabungkan CNN dan jaringan saraf wavelet. Jaringan saraf convolutional adalah struktur jaringan saraf umum, biasa digunakan di bidang seperti pengenalan gambar, dengan kemampuan ekstraksi fitur yang baik. Jaringan saraf wavelet adalah jenis baru jaringan saraf yang memanfaatkan wavelet alih-alih lapisan convolutional, yang dapat mengekstraksi informasi waktu-frekuensi dengan lebih baik. Kombinasi keduanya dapat lebih baik memecahkan masalah klasifikasi data di bidang BMI.
Hal ini diimplementasikan dengan menerapkan dekomposisi modus empiris pada bingkai EEG dan mencampur fungsi modal intrinsik mereka untuk membuat bingkai EEG buatan baru, kemudian mengubah semua data EEG menjadi tensor, yang berfungsi sebagai wavelet Morlet kompleks sebagai masukan ke jaringan saraf. CNN dan jaringan saraf wavelet digunakan untuk melatih bobot dan mengklasifikasikan dua jenis sinyal gambar gerakan.
Dekomposisi modus empiris: setiap bingkai EEG didekomposisi menjadi sejumlah fungsi modal intrinsik (IMF) dan istilah kosinus oleh teknik dekomposisi modus empiris. Kemudian, IMF individu dicampur bersama untuk membentuk bingkai EEG buatan baru untuk melatih jaringan saraf.
Peningkatan data: metode peningkatan data seperti rotasi, translasi dan skalabilitas digunakan untuk menghasilkan beberapa bingkai EEG baru untuk melatih jaringan saraf. Ini memperluas dataset dan meningkatkan ketahanan dan akurasi klasifikator.
Pengolahan data: semua data EEG dikonversi menjadi tensor sebagai masukan ke jaringan saraf. Berdasarkan ini, wavelet Morlet kompleks digunakan untuk ekstraksi fitur.
Pelatihan jaringan saraf: model jaringan saraf dua yang menggabungkan CNN dan jaringan saraf wavelet untuk melatih bobot dan mengklasifikasikan dua jenis sinyal gambar gerakan. Di antaranya, jaringan saraf wavelet adalah jenis baru jaringan saraf yang memanfaatkan wavelet alih-alih lapisan convolutional.
Selain itu, kesulitan lain di bidang BMI adalah gangguan noise dan variabilitas individu sinyal EEG. Metode ini dapat lebih memanfaatkan karakteristik waktu-frekuensi sinyal EEG dan menggabungkan kelebihan CNN dan jaringan saraf wavelet, yang meningkatkan ketahanan klasifikator terhadap noise dan mengurangi pengaruh variabilitas individu, sehingga meningkatkan akurasi klasifikator.
Tentang WIMI Hologram Cloud
WIMI Hologram Cloud, Inc. (NASDAQ: WIMI) adalah penyedia solusi teknis awan holografik komprehensif yang berfokus pada bidang profesional termasuk perangkat lunak otomotif HUD holografik AR, LiDAR pulsa holografik 3D, peralatan lapangan cahaya kepala terpasang holografik, semikonduktor holografik, perangkat lunak awan holografik, navigasi mobil holografik dan lainnya. Layanan dan teknologi AR holografiknya meliputi aplikasi otomotif AR holografik, teknologi LiDAR pulsa holografik 3D, teknologi semikonduktor visi holografik, pengembangan perangkat lunak holografik, teknologi iklan AR holografik, teknologi hiburan AR holografik, teknologi SDK pembayaran AR holografik, komunikasi holografik interaktif dan teknologi AR holografik lainnya.
Pernyataan Safe Harbor
Rilis pers ini berisi “pernyataan ke depan” dalam Private Securities Litigation Reform Act tahun 1995. Pernyataan ke depan ini dapat diidentifikasi dengan terminologi seperti “akan”, “mengharapkan”, “mengantisipasi”, “masa depan”, “bermaksud”, “merencanakan”, “percaya”, “memperkirakan”, dan pernyataan serupa lainnya. Pernyataan yang bukan merupakan fakta historis, termasuk pernyataan tentang keyakinan dan harapan Perusahaan, adalah pernyataan ke depan. Antara lain, prospek bisnis dan kutipan dari manajemen dalam rilis pers ini dan prospek strategis dan operasional Perusahaan berisi pernyataan ke depan. Perusahaan juga dapat membuat pernyataan tertulis atau lisan ke depan dalam laporan berkala ke US Securities and Exchange Commission (“SEC”) pada Formulir 20-F dan 6-K, dalam laporan tahunan kepada pemegang saham, dalam siaran pers, dan materi tertulis lainnya, dan dalam pernyataan lisan yang dibuat oleh petugas, direktur atau karyawannya kepada pihak ketiga.
Pernyataan ke depan melibatkan risiko dan ketidakpastian inheren. Beberapa faktor dapat menyebabkan hasil aktual berbeda secara material dari yang terkandung dalam setiap pernyataan ke depan, termasuk namun tidak terbatas pada hal-hal berikut: tujuan dan strategi Perusahaan; pengembangan bisnis masa depan, kondisi keuangan, dan hasil operasi Perusahaan; pertumbuhan industri AR holografik yang diharapkan; dan ekspektasi Perusahaan mengenai permintaan dan penerimaan pasar atas produk dan layanannya.
Informasi lebih lanjut mengenai risiko-risiko ini disertakan dalam laporan tahunan Perusahaan pada Formulir 20-F dan laporan saat ini pada Formulir 6-K serta dokumen lain yang disampaikan kepada SEC. Semua informasi yang disediakan dalam siaran pers ini adalah per tanggal siaran pers ini. Perusahaan tidak berkewajiban untuk memperbarui pernyataan ke depan apa pun kecuali sebagaimana diwajibkan oleh hukum yang berlaku.