-
公开(公告)号：CN112908466B
公开(公告)日：2023-08-04
申请号：CN202110041814.X
申请日：2021-01-13
Applicant: 中国科学院计算技术研究所
Abstract: 本发明提出一种基于迁移学习的阿尔兹海默病智能决策支持方法和系统，包括通过拍照设备设备，采集患者眼底图像数据，同时利用辅助设备采集患者辅助生理数据，并进行补齐、归一化、滤波等预处理；对图片数据提取图像特征，对辅助序列数据，提取特征，并对不同传感器特征数据进行归一化与拼接；在传播方案获取与标签传播阶段，通过广义条件梯度下降算法对针对融合距离的目标函数进行优化，通过IBP算法获取梯度方向，通过线搜索获取步长，依次迭代直至收敛，根据获取的传播方案，将源域中已有的标定通过传播方案扩散至目标域未标定样本。从而获得更准确的目标域数据标定。
-
公开(公告)号：CN112861679B
公开(公告)日：2023-01-20
申请号：CN202110123629.5
申请日：2021-01-29
Applicant: 中国科学院计算技术研究所
IPC: G06V40/20 , G06V10/764 , G06V10/774
Abstract: 本发明提供了一种面向行为识别的迁移学习方法和系统，该方法依据基于熵减的最优传输方案确定待标定的数据的标签，其中，基于熵减的最优传输方案中包括对源域数据的标签类别比例的熵进行限制。本发明中的迁移学习方法和系统能够在目标域数据类别少于源域数据类别的情况下，使得源域中分布的类别相对集中，源域分布与目标域更加匹配，从而有效减少负迁移，更鲁棒、准确地获取目标域待标定数据标签。
-
公开(公告)号：CN115470903A
公开(公告)日：2022-12-13
申请号：CN202211284460.2
申请日：2022-10-17
Applicant: 中国科学院计算技术研究所
Abstract: 本发明提供一种基于迁移学习的血压预测模型训练方法，所述血压预测模型包括低层特征提取器、高层特征提取器、预测器，所述方法包括：S1、采用源域数据集训练神经网络模型至收敛获得通用模型，其中，所述源域数据集包括多个金标准血压值及每个金标准血压值对应的基于可穿戴传感器获得的人体数据，以人体数据为样本、其对应的金标准血压值为标签构成源域数据集的训练样本；S2、获取目标对象的目标域数据集；S3、采用源域数据集和目标域数据集对步骤S1中获得的通用模型进行迁移训练至收敛获得目标对象的血压预测模型。本发明基于迁移学习对通用模型进行微调，微调后的模型解决了用户血压个性化预测的问题，实现了用户血压精准预测。
-
公开(公告)号：CN115456200A
公开(公告)日：2022-12-09
申请号：CN202211187661.0
申请日：2022-09-28
Applicant: 中国科学院计算技术研究所
IPC: G06N20/00 , G06F21/62 , G06V10/764 , G06V10/762 , G06V10/774
Abstract: 一种联邦学习方法及领域泛化联邦系统。本发明提供一种联邦学习方法，包括服务端将初始化的服务端模型发给多个客户端作为客户端模型，服务端和客户端配合完成多轮训练，得到最终的服务端模型和客户端模型，每轮包括：S1、每个客户端根据本地训练集训练最新得到的客户端模型，得到本轮训练后的客户端模型；S2、服务端确定每个位置的参数在本轮所有训练后的客户端模型中更新方向的一致性指标，对一致性指标满足预设条件的参数进行聚合，以更新当前的服务端模型的参数，得到更新的服务端模型；S3、每个客户端基于本轮训练前的和训练后的客户端模型以及当前轮获得的服务端模型确定训练后的客户端模型的通用参数，根据当前轮次的服务端模型更新通用的参数，得到当前轮更新后的客户端模型。
-
公开(公告)号：CN110801227B
公开(公告)日：2021-07-20
申请号：CN201911248610.2
申请日：2019-12-09
Applicant: 中国科学院计算技术研究所
Abstract: 本发明涉及一种基于可穿戴设备的立体色块障碍测试模型的训练方法，包括：通过可穿戴设备采集用户在立体色块障碍测试中产生的多模态信号；对所述多模态信号进行预处理并划分为多个信号片段；根据所述用户的动作类型标定所述多模态信号片段；利用所述标定后的多模态信号片段训练神经网络。
-
Patent Agency Ranking
公开(公告)号：CN112908466A
公开(公告)日：2021-06-04
申请号：CN202110041814.X
申请日：2021-01-13
Applicant: 中国科学院计算技术研究所
Abstract: 本发明提出一种基于迁移学习的阿尔兹海默病智能决策支持方法和系统，包括通过拍照设备设备，采集患者眼底图像数据，同时利用辅助设备采集患者辅助生理数据，并进行补齐、归一化、滤波等预处理；对图片数据提取图像特征，对辅助序列数据，提取特征，并对不同传感器特征数据进行归一化与拼接；在传播方案获取与标签传播阶段，通过广义条件梯度下降算法对针对融合距离的目标函数进行优化，通过IBP算法获取梯度方向，通过线搜索获取步长，依次迭代直至收敛，根据获取的传播方案，将源域中已有的标定通过传播方案扩散至目标域未标定样本。从而获得更准确的目标域数据标定。
-
公开(公告)号：CN112783327A
公开(公告)日：2021-05-11
申请号：CN202110134953.7
申请日：2021-01-29
Applicant: 中国科学院计算技术研究所
Abstract: 本发明提供了一种基于表面肌电信号进行手势识别的方法和系统，该方法使用卷积递归神经网络提取每个时刻的表面肌电信号的空间特征和时间特征，并通过注意力机制加权融合时间特征以预测用户的手势类别。本发明的手势识别方法能够自适应学习表面肌电信号的有效特征表达，实现用户手势的高精准度识别。
-
公开(公告)号：CN111046731B
公开(公告)日：2023-07-25
申请号：CN201911094608.4
申请日：2019-11-11
Applicant: 中国科学院计算技术研究所
Abstract: 一种基于表面肌电信号进行手势识别的迁移学习方法，该方法以下步骤：采集新用户不同手势的表面肌电信号；将有标注的已有用户的不同手势的表面肌电信号数据作为源域数据，无标注的新用户的不同手势的表面肌电信号数据作为目标域数据，对新用户的不同手势的表面肌电信号数据进行分类并将其划分为候选集和残余项；将所述候选集作为源域数据，所述残余项作为目标域数据，对残余项中新用户的不同手势的表面肌电信号数据进行再次分类。
-
公开(公告)号：CN115456201A
公开(公告)日：2022-12-09
申请号：CN202211188985.6
申请日：2022-09-28
Applicant: 中国科学院计算技术研究所
IPC: G06N20/00 , G06F21/62 , G06T7/00 , G06V10/764 , G06V10/774 , G06V10/82 , G06N3/04 , G06N3/08
Abstract: 本发明提供了一种面向联邦的联邦的模型训练方法，用于多个子联邦的子联邦模型训练，其中，每个子联邦是由同一组织的多个客户端构成的联邦，该方法包括：S1、在每个子联邦利用该子联邦的训练集在本地初始化训练其子联邦模型，其中，不同子联邦对应的子联邦模型的分类空间相同；S2、按照预定的传递顺序将前一个子联邦的子联邦模型传递给相邻的下一个子联邦，分别进行多轮联邦训练，得到含有公共知识的子联邦模型；S3、将含有公共知识的子联邦模型传递给每一个子联邦作为最终的教师模型，每个子联邦分别利用最终的教师模型的知识和本地的训练集训练其子联邦模型以得到每个子联邦最终的子联邦模型。
-
公开(公告)号：CN112766337A
公开(公告)日：2021-05-07
申请号：CN202110028695.4
申请日：2021-01-11
Applicant: 中国科学院计算技术研究所 , 鹏城实验室
Abstract: 本发明提供了一种用于预测众包数据的正确标签的方法和系统，该方法利用了一种神经网络模型，该模型基于每个众包数据的所有初始标签的均值获取对应的众包数据的参考标签，通过训练获得；并利用神经网络模型获得每个众包数据的预测标签，基于每个众包数据的每个初始标签相对于预测标签的可信度迭代校准当前神经网络模型，直至神经网络模型收敛或精度持续下降。本发明中的方法和系统能够减少对深度学习中对众包数据工作者能力的依赖，从而提高深度学习模型的准确度和鲁棒性。
-
-
-
-
-
-
-
-
-
Search Results
22
records
(took 0.027 seconds)
