-
公开(公告)号：CN115310560A
公开(公告)日：2022-11-08
申请号：CN202211139018.0
申请日：2022-09-19
Applicant: 杭州电子科技大学
Abstract: 本发明公开一种基于模态空间同化和对比学习的多模态情感分类方法。本发明引入了同化的概念，利用由模态之间的互补信息组成的引导向量来指引每个模态同时接近解空间。该操作不仅进一步提高搜索解空间的效率，而且使得三种模态的异构空间同构。在空间同构的过程中，能够在一定程度上有效平衡多个模态对最终解空间的贡献。在指导每个模态的时候，该策略能使模型更加关注情感特征，这减少了模态内冗余，构建多模态表示的难度也因此降低了。其次，本发明还运用了监督对比学习来增强模型辨别不同情绪差异的能力，使得模型能够捕捉到更为全面的多模态情感上下文。
-
公开(公告)号：CN114863213A
公开(公告)日：2022-08-05
申请号：CN202210512236.8
申请日：2022-05-11
Applicant: 杭州电子科技大学
IPC: G06V10/774 , G06V10/82 , G06V10/764 , G06K9/62 , G06F17/18 , G06N3/04 , G06N3/08
Abstract: 本发明公开一种基于因果解耦生成模型的域泛化图像识别方法。域泛化的目的是从多个源域数据中学习域不变表示很好的泛化到不可见的目标域，但是学习域不变特征的最大挑战在于从纠缠的特征空间中分解出语义信息和域信息。考虑到因果特征具有跨域不变的特性，本发明提出了因果解耦表征模型。首先，将跨域稳定的因果结构模型作为先验引入。然后，构建基于因果结构的生成模型，分别为任务相关和域相关特征建模。特别的是，两个隐特征之间的双向因果依赖通过一种干预手段解除，从而有效消除域相关特征对预测任务的影响。结果证明，本发明提出的方法能够有效解耦出任务相关和域相关特征，超过了大多数的解决域泛化的方法。
-
公开(公告)号：CN114594461A
公开(公告)日：2022-06-07
申请号：CN202210246394.3
申请日：2022-03-14
Applicant: 杭州电子科技大学
Abstract: 本发明公开了基于注意力感知与缩放因子剪枝的声呐目标检测方法。该检测方法的过程为：步骤1、搭建注意力感知目标检测网络，注意力感知目标检测网络包括注意力感知网络、路径聚合增强网络和多尺度联合预测网络。步骤2、使用声呐数据集对步骤1所得的注意力感知网络进行训练。步骤3、使用缩放因子衡量通道的重要性并进行模型剪枝。步骤4、使用步骤3得到的剪枝模型对声呐目标进行回归与定位。本发明中针对深度学习目标检测算法应用于声呐图像目标检测时，对细长、细小目标的定位回归精度不佳及算法自身参数量大、运算复杂的问题进行改进。通过注意力感知模块获得目标的短距离形变感知与长距离依赖感知，并通过缩放因子对模型进行轻量化处理。
-
公开(公告)号：CN114118200A
公开(公告)日：2022-03-01
申请号：CN202111120932.6
申请日：2021-09-24
Applicant: 杭州电子科技大学
IPC: G06K9/62 , G06F16/906
Abstract: 本发明公开一种基于注意力引导双向胶囊网络的多模态情感分类方法。由于具有可训练的视点不变变换特性，胶囊网络目前在分析多模态学习的异质性问题上已经证明了它的有效性。在预处理阶段，本发明提供了多模态动态交互增强模块，在特征层面上显式地增强了跨模态同质性，这有利于模型在更加紧凑的局部公共空间内有效地执行多模态解耦过程。在此基础上，提出了基于注意力引导的双向胶囊网络(ABCN)，通过新的双向动态路由机制来探索全局多模态公共消息。然后，利用全局多模态上下文来指导多模态动态路由过程，同时研究每个模态的全局最优公共线索。这大大提高了学习效率，并提供了在所有模式之间架起桥梁的优越能力。
-
公开(公告)号：CN113977557A
公开(公告)日：2022-01-28
申请号：CN202111371361.3
申请日：2021-11-18
Applicant: 杭州电子科技大学
Abstract: 本发明公开了一种基于运动想象时频空特征的外骨骼机器人控制方法。该方法可将使用者的主动运动意图作为外骨骼的运动指令。本发明提取MI信号在不同通道的多个频带在时间窗口的功率特征，先利用两层全连接层获取多个通道在空间上和频率上的功率关系，然后把不同时间的全连接层输出结果输入BI LSTM中提取时间上的变化特征，训练出基础模型。然后把模型部署在服务器上，每次使用运动想象模型控制外骨骼之前，进行一小段时间的在线训练，提高模型对不同时间段的脑电信号的特征的分类能力。最后使用运动想象左右手的分类结果，控制下肢外骨骼分别做出左腿迈出右腿跟进，或者右腿迈出左腿跟进的动作。
-
Patent Agency Ranking
公开(公告)号：CN113974625A
公开(公告)日：2022-01-28
申请号：CN202111210470.7
申请日：2021-10-18
Applicant: 杭州电子科技大学
Abstract: 本发明公开一种基于脑机跨模态迁移的情绪识别方法。针对情绪识别任务，人脑处理信息后得到的是具有情感的认知表征，而机器学习到的仅仅是图像的形式表征，如果能够建立两者之间的迁移关系，通过“人脑”引导“机器”学习，将人脑的情感认知能力赋予机器。为了将人脑感知的信息赋予机器，需要建立图像模态与脑电模态的跨模态迁移模型，从而获取形式表征和认知表征之间的迁移关系。本发明将探索脑电模态与图像模态之间的迁移关系，建立形式表征与认知表征之间的联系，实现脑机协同智能。为了减少认知表征与形式表征间的差异，使得形式表征无限逼近认知表征，本发明设计一种“基于脑机跨模态迁移的情绪识别方法”。
-
公开(公告)号：CN111096830B
公开(公告)日：2021-11-30
申请号：CN201911384974.3
申请日：2019-12-28
Applicant: 杭州电子科技大学
Abstract: 本发明公开一种基于LightGBM的外骨骼步态预测方法。本发明通过人体运动学分析，提取下肢关节的加速度数据做离线分析，进而解算出关节控制目标轨迹，最后控制系统通过该轨迹进行运动控制，实现下肢外骨骼的人体步态运动。本发明提出一种全新的下肢运动步态轨迹预测方法，能够应用于下肢外骨骼控制中，创新性的对LightGBM实现并联结构输入，并对下肢关节的连续目标值的步态轨迹预测，预测方法具有较强的精确度,减少了训练时间。
-
公开(公告)号：CN113159543A
公开(公告)日：2021-07-23
申请号：CN202110379278.4
申请日：2021-04-08
Applicant: 杭州电子科技大学
Abstract: 本发明公开了一种研究生导师指导能力指标评价系统，其包括数据获取模块、指标统计模块、追溯对应模块、指导能力值计算模块和数据分析模块。所述的数据获取模块用于获取和存储教师及校内学生的基本信息。指标统计模块用于存储具体的指导能力评价指标。导师的指导能力评价指标设置s个正面的一级指标。每个一级指标下均设一个或多个二级指标。每个二级指标均对应分值。追溯对应模块用于将学生与对应的导师建立映射关系。本发明能够根据管理员录入的学生信息表和导师信息表，自动计算出各导师的指导能力，显著提高了导师管理与考核的效率；此外，本发明能够自动生成学院导师综合指导能力指标和导师指导能力分布图，为分析研究生教育工作提供依据。
-
公开(公告)号：CN112487902A
公开(公告)日：2021-03-12
申请号：CN202011312850.7
申请日：2020-11-20
Applicant: 杭州电子科技大学
Abstract: 本发明公开了面向外骨骼的基于TCN‑HMM的步态相位分类方法。本发明的具体步骤如下：1.IMU数据采集。2.对步骤1中采集的步态数据进行预处理。3.构建训练集和测试集。4.构建混合TCN‑HMM模型。5.利用训练集对混合TCN‑HMM模型进行训练。6.利用训练好的混合TCN‑HMM模型对新的行走IMU数据进行分类。本发明创新性地利用TCN网络来获取状态的后验概率，并利用后验概率获取HMM模型所需的发射概率，构成了混合TCN‑HMM模型，该模型将运动数据的时间特征与空间特征有机地结合在了一起并对步态相位信息进行了判别。本发明不仅得到了准确率很高的步态相位分类结果，同时抑制了错误的分类。
-
公开(公告)号：CN112465059A
公开(公告)日：2021-03-09
申请号：CN202011431548.3
申请日：2020-12-07
Applicant: 杭州电子科技大学
Abstract: 本发明公开了基于跨脑融合决策的多人运动想象识别方法及脑机系统。本发明基于跨脑融合决策的多人运动想象识别方法，具体如下：一：n个训练人员进行运动想象；二、对步骤一获得的脑电数据分别进行预处理，并打标签。三、将训练集中各训练人员的脑电数据进行融合，得到各运动想象任务对应的训练用融合脑电数据。四、用带有标签的训练用融合脑电数据对分类器进行训练。五、n个被测者想象同一个运动，在想象的同时采集各被测者的脑电信号，并进行预处理。之后，对n个被测者的脑电数据进行融合，测到跨脑融合脑电数据；将跨脑融合脑电数据导入训练好的分类器中进行分类判断，获取n个被测者想象的运动类别。
-
-
-
-
-
-
-
-
-
Search Results
161
records
(took 0.041 seconds)
