公开(公告)号：CN110190906B

公开(公告)日：2020-08-04

申请号：CN201910299211.2

申请日：2019-04-15

Applicant: 浙江工业大学

Inventor： 毛怡帆 ,  周宇涵 ,  任宏亮 ,  卢瑾 ,  覃亚丽 ,  乐孜纯

IPC: H04B10/61 ,  G06K9/62

Abstract: 一种针对高阶QAM相干光系统的非线性均衡方法，接收端数据经相位噪声补偿后，先用FCM算法实现有效剪裁训练数据，同时对测试数据进行分类判决，从而大大缩小了后续KNN算法的测试和训练集。该方法基于传输速率112Gb/s，传输距离为160km的相干光16QAM系统进行了非线性均衡仿真验证。仿真结果表明，本发明可取得与传统KNN算法同样的系统非线性损伤补偿效果，但其算法复杂度远低于传统KNN算法，算法运行时间远小于KNN。本发明能极大促进相干光QAM系统在中长距离光纤传输中的应用。

公开(公告)号：CN113111907B

公开(公告)日：2024-09-27

申请号：CN202110226923.9

申请日：2021-03-01

Applicant: 浙江工业大学

Inventor： 潘清 ,  周宇涵 ,  葛慧青 ,  张浩源 ,  冯伟达 ,  顾立锋 ,  章灵伟 ,  方路平

IPC: G06N3/092 ,  G06F18/214 ,  G06F18/20 ,  G16H10/60 ,  G16H50/70 ,  G06F16/215 ,  G06F16/9535

Abstract: 本发明提供了一种基于强化学习的个性化PEEP调节方法，该方法通过构建基于患者整个机械通气过程中的生理数据的强化学习模型，强化学习模型代理根据患者的生理数据推荐在下一时段内该患者的个性化PEEP水平实现个性化PEEP调节。其中，强化学习模型通过构建马尔可夫框架，提取每个患者整个机械通气过程中的生理数据中所有的单步转换元组，以拟合Q迭代算法为核心训练，最终模型学习到的策略为累计回报最大的动作，获得强化学习模型。本发明方法可以通过患者的临床生理数据以使患者获得更好的氧合和预后为目标，实时地推荐个性化呼吸机PEEP设置值，辅助医生的临床决策。

公开(公告)号：CN113313045A

公开(公告)日：2021-08-27

申请号：CN202110651445.6

申请日：2021-06-11

Applicant: 浙江工业大学

Inventor： 周宇涵 ,  潘清 ,  章灵伟 ,  葛慧青 ,  方路平

IPC: G06K9/00 ,  G06K9/62 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明提供了一种基于多任务学习和类激活图反馈的人机不同步识别方法，通过利用多任务学习以参数硬共享的方式训练深度学习模型，通过类激活映射的方式，获得训练好的深度学习模型对输出结果的可视化解释；同时根据每种人机不同步类型的类激活图激活域设定特征区域。再将实际采集的原始呼吸信号输入已训练的深度学习模型里，获得当前呼吸信号的识别结果；最后根据人机不同步类型设定的特征区域对识别结果作修正。本发明以多任务结合参数硬共享的方式只训练一个网络模型，使得一次前向计算即可同时输出识别的多种人机不同步类型，提高了现有方法的识别效率。基于类激活图反馈的自修正分类结果，使得方法具有高准确度和可解释性。

公开(公告)号：CN110190906A

公开(公告)日：2019-08-30

申请号：CN201910299211.2

申请日：2019-04-15

Applicant: 浙江工业大学

Inventor： 毛怡帆 ,  周宇涵 ,  任宏亮 ,  卢瑾 ,  覃亚丽 ,  乐孜纯

IPC: H04B10/61 ,  G06K9/62

Abstract: 一种针对高阶QAM相干光系统的非线性均衡方法，接收端数据经相位噪声补偿后，先用FCM算法实现有效剪裁训练数据，同时对测试数据进行分类判决，从而大大缩小了后续KNN算法的测试和训练集。该方法基于传输速率112Gb/s，传输距离为160km的相干光16QAM系统进行了非线性均衡仿真验证。仿真结果表明，本发明可取得与传统KNN算法同样的系统非线性损伤补偿效果，但其算法复杂度远低于传统KNN算法，算法运行时间远小于KNN。本发明能极大促进相干光QAM系统在中长距离光纤传输中的应用。

公开(公告)号：CN113111907A

公开(公告)日：2021-07-13

申请号：CN202110226923.9

申请日：2021-03-01

Applicant: 浙江工业大学

Inventor： 潘清 ,  周宇涵 ,  葛慧青 ,  张浩源 ,  冯伟达 ,  顾立锋 ,  章灵伟 ,  方路平

IPC: G06K9/62 ,  G16H10/60 ,  G16H50/70 ,  G06F16/215 ,  G06F16/9535

Abstract: 本发明提供了一种基于强化学习的个性化PEEP调节方法，该方法通过构建基于患者整个机械通气过程中的生理数据的强化学习模型，强化学习模型代理根据患者的生理数据推荐在下一时段内该患者的个性化PEEP水平实现个性化PEEP调节。其中，强化学习模型通过构建马尔可夫框架，提取每个患者整个机械通气过程中的生理数据中所有的单步转换元组，以拟合Q迭代算法为核心训练，最终模型学习到的策略为累计回报最大的动作，获得强化学习模型。本发明方法可以通过患者的临床生理数据以使患者获得更好的氧合和预后为目标，实时地推荐个性化呼吸机PEEP设置值，辅助医生的临床决策。