-
公开(公告)号：CN112884076B
公开(公告)日：2022-07-15
申请号：CN202110312274.4
申请日：2021-03-24
Applicant: 中国科学院计算技术研究所
Abstract: 本发明提供一种基于条件式生成对抗网络的传感器数据生成模型及方法，所述模型包括：生成器以及判别器，其中，所述生成器包括第一条件功能模块、多尺度多维度功能模块、时序功能模块；所述判别器包括第二条件功能模块、时频域功能强化模块、相似度计算模块。通过本发明可以解决传感器数据采集耗时、标注成本高等问题，且可以通过类别条件控制合成满足专业人士的指定要求的逼真的多轴向时序传感器数据。
-
公开(公告)号：CN113077060A
公开(公告)日：2021-07-06
申请号：CN202110339975.7
申请日：2021-03-30
Applicant: 中国科学院计算技术研究所
Abstract: 本发明的实施例提供针对边云协同的联邦学习系统和方法，包括边缘设备和云端服务器。每个边缘设备基于本地数据对全局模型进行训练，对训练后得到的模型参数进行加密并上传至云端服务器；云端服务器对从各个边缘设备接收的模型参数进行聚合，并将聚合后的模型参数返回至各个边缘设备；边缘设备采用来自云端服务器的模型参数更新其本地的全局模型以进行预测。该系统使得模型的鲁棒性、精确性和训练速度大幅提升。
-
公开(公告)号：CN113033768A
公开(公告)日：2021-06-25
申请号：CN202110211503.3
申请日：2021-02-25
Applicant: 中国科学院计算技术研究所
Abstract: 本发明提出一种基于图卷积网络的缺失特征重表示方法和系统，包括：提取已标注类别的训练样本的特征，将该训练样本的特征作为节点，通过距离度量得到节点与节点之间的相似关系，根据该相似关系构建节点之间形成连接边，以得到该训练样本的图网络；以该图网络中邻近样本的特征信息和图中各节点对应的标注类别，训练图卷积网络，得到特征重表示模型，通过将待分类样本的特征输入该特征重表示模型，重建该待分类样本的特征并为重建后的特征进行分类，得到该待分类样本的分类结果。
-
公开(公告)号：CN112954689A
公开(公告)日：2021-06-11
申请号：CN202110179359.X
申请日：2021-02-07
Applicant: 中国科学院计算技术研究所
IPC: H04W12/121 , H04L29/06 , H04L12/851 , H04L12/24
Abstract: 本发明提出一种针对蓝牙无线传输的轻量化网络入侵检测系统和方法，包含两种工作状态，分别是离线训练和在线检测。离线训练包括数据收集、特征选取、数据训练和生成机器学习模型四个阶段，其中数据训练针对的是有标签的数据，其中标签代表正常数据或异常数据。数据训练阶段分为特征压缩、构建概率模型、计算数组出现概率三个步骤。在线检测则包括了数据收集、特征选取、特征压缩、计算数组出现概率、平滑概率和通过生成的模型实时得出检测结果。本发明提出的入侵检测方法可以提供更高的准确率和更少的误报。
-
公开(公告)号：CN112861798A
公开(公告)日：2021-05-28
申请号：CN202110270458.9
申请日：2021-03-12
Applicant: 中国科学院计算技术研究所
Abstract: 本发明提供一种基于生理信号的分类识别方法、介质及电子设备，其中，生理信号由多个电极采集得到。基于生理信号的分类识别方法包括：基于电极之间的分布差异对多个电极进行聚类，得到多个电极簇；其中电极之间的分布差异包括电极所采集的生理信号之间的相关性以及电极之间的空间距离；对于多个电极簇中的每个电极簇，基于该电极簇内的电极所采集的生理信号构建一个或多个个体分类器；基于所构建的所有个体分类器形成分类识别模型；以及接收多个电极从待识别目标采集的生理信号，基于所接收的生理信号，通过分类识别模型得到分类识别结果。本发明可以实现基于生理信号的高精准、强鲁棒的分类识别。
-
Patent Agency Ranking
公开(公告)号：CN112597884B
公开(公告)日：2023-04-28
申请号：CN202011526554.7
申请日：2020-12-22
Applicant: 中国科学院计算技术研究所
IPC: G06V40/20 , G06V10/774 , G06V10/80 , G06V10/77 , G06V10/82 , G06N3/0464
Abstract: 本发明提供了一种手势识别模型的训练方法，包括：获取用于手势识别的训练样本的多模态数据；从所述多模态数据集中分别提取每个模态的特征数据，所述每个模态的特征数据包括一维特征数据或多维特征数据；通过混合注意力机制强化任一模态的多维特征数据，并将强化后的多维特征数据与其余模态的特征数据进行特征融合；以及基于融合后的特征数据对神经网络模型进行训练。通过上述训练方法获得的手势识别模型，能够有效提升手势识别的精确度。
-
公开(公告)号：CN112597884A
公开(公告)日：2021-04-02
申请号：CN202011526554.7
申请日：2020-12-22
Applicant: 中国科学院计算技术研究所
Abstract: 本发明提供了一种手势识别模型的训练方法，包括：获取用于手势识别的训练样本的多模态数据；从所述多模态数据集中分别提取每个模态的特征数据，所述每个模态的特征数据包括一维特征数据或多维特征数据；通过混合注意力机制强化任一模态的多维特征数据，并将强化后的多维特征数据与其余模态的特征数据进行特征融合；以及基于融合后的特征数据对神经网络模型进行训练。通过上述训练方法获得的手势识别模型，能够有效提升手势识别的精确度。
-
公开(公告)号：CN112861798B
公开(公告)日：2023-07-21
申请号：CN202110270458.9
申请日：2021-03-12
Applicant: 中国科学院计算技术研究所
IPC: G06F18/24 , G06N20/00 , G06F18/23 , G06F18/214
Abstract: 本发明提供一种基于生理信号的分类识别方法、介质及电子设备，其中，生理信号由多个电极采集得到。基于生理信号的分类识别方法包括：基于电极之间的分布差异对多个电极进行聚类，得到多个电极簇；其中电极之间的分布差异包括电极所采集的生理信号之间的相关性以及电极之间的空间距离；对于多个电极簇中的每个电极簇，基于该电极簇内的电极所采集的生理信号构建一个或多个个体分类器；基于所构建的所有个体分类器形成分类识别模型；以及接收多个电极从待识别目标采集的生理信号，基于所接收的生理信号，通过分类识别模型得到分类识别结果。本发明可以实现基于生理信号的高精准、强鲁棒的分类识别。
-
公开(公告)号：CN113297935A
公开(公告)日：2021-08-24
申请号：CN202110514238.6
申请日：2021-05-12
Applicant: 中国科学院计算技术研究所
IPC: G06K9/00
Abstract: 本发明提供一种特征自适应的动作识别系统，包括：传感终端，包括多个肌电电极，用于采集用户动作产生的相应肌电信号并发送至客户端；客户端，用于接收所述传感终端发送的所述肌电信号，并将所述肌电信号上传至服务器；服务器，用于从所述每个肌电信号提取一个或者多个特征值以及基于所述肌电信号的特征值识别所述用户的动作。本发明提供的特征自适应的动作识别系统支持动作识别过程中特征空间的动态变化。
-
公开(公告)号：CN113128669A
公开(公告)日：2021-07-16
申请号：CN202110374736.5
申请日：2021-04-08
Applicant: 中国科学院计算技术研究所
Abstract: 本发明提供了一种半监督学习方法，该方法包括：利用有标签数据对神经网络模型进行初始训练；获得待标定的无标签数据的增强数据；利用初始训练好的神经网络模型标定待标定的无标签数据及其增强数据的伪标签；利用有标签数据以及待标定的伪标签数据重新训练神经网络模型；其中，用于半监督学习的神经网络模型包括：输入层，用于接收输入数据；第一隐藏层，用于提取输入数据的低层语义信息；语义层，用于基于低层语义信息确定输入数据的低层语义标签；第二隐藏层，用于基于输入数据及其低层语义标签提取输入数据的高层语义信息；以及输出层，用于基于输入数据的高层语义信息确定其高层语义标签，并作为最终标签输出。
-
-
-
-
-
-
-
-
-
Search Results
13
records
(took 0.033 seconds)
