-
公开(公告)号：CN107007263A
公开(公告)日：2017-08-04
申请号：CN201710277177.X
申请日：2017-04-25
Applicant: 中国科学院计算技术研究所
Abstract: 本发明涉及一种普适化的睡眠质量测评方法和系统，包括：通过智能手环、手机内置的加速度传感器，分别采集并合成手环合成加速度、手机合成加速度；采用特征提取窗口分别提取手环合成加速度、手机合成加速度的手环运动特征、手机运动特征，并将手环运动特征和手机运动特征做时序上的动态对齐，生成测试样本；将测试样本输入睡眠状态识别模型，获取睡眠状态，以提取睡眠特征；将睡眠特征添加至测试样本，并将测试样本输入睡眠质量评估模型，得到睡眠质量评估等级。本发明融合了手环与手机的多元信息，利用两个同构运动传感器当穿戴于用户腕部和放置于用户睡眠环境中时的特征互补优势，从而获得高精度的睡眠状态识别结果和睡眠质量评估结果。
-
公开(公告)号：CN118246519A
公开(公告)日：2024-06-25
申请号：CN202410175531.8
申请日：2024-02-08
Applicant: 中国科学院计算技术研究所
IPC: G06N3/098 , G06F18/214
Abstract: 本发明提供了一种用于联邦学习的系统，包括：中心端管理模块，用于部署在中心端计算设备上，被配置为：执行联邦任务相关的一个或者多个指令，根据预设的联邦学习框架进行联邦任务的调度和对应模型的参数聚合，根据单个联邦任务的粒度和授权，分别赋予每个联邦任务访问对应联邦方计算设备上至少部分隐私数据资源的权限，并在任务结束后即时撤销权限；零信任代理模块，用于部署在参与联邦任务的联邦方计算设备上，以根据中心端模块赋予联邦任务的权限，受控地访问本地存储的对应隐私数据资源，根据预设的联邦学习框架完成对应模型的训练和推理过程；本发明通过联邦任务级别的资源访问即时授权和用后撤权，保障联邦学习过程中，隐私数据资源的安全。
-
公开(公告)号：CN117993458A
公开(公告)日：2024-05-07
申请号：CN202410009172.9
申请日：2024-01-02
Applicant: 中国科学院计算技术研究所
IPC: G06N3/08
Abstract: 本发明实施例提供了一种数据标注系统及方法，用于实现不同数据的标注任务，其特征在于，所述系统包括模型即服务端、数据标注端以及模型训练端来完成数据标注任务。本发明的方法可以能够在面临新的数据标注任务时，只需在数据标注系统中选择新的版本或新的推理服务即可，无需对数据标注系统进行代码上的修改，并且可以做到对深度学习模型进行灵活的调用与更新，同时该数据标注系统能够在数据不泄露的条件下对待标注数据进行快速标注。进一步地，可以在本发明的数据标注系统中基于数据标注端标注的数据对模型即服务端中已经存储过的深度学习模型或新的深度学习模型进行训练，以更新或增加模型即服务端中的深度学习模型，从而提高数据标注的准确率。
-
公开(公告)号：CN117689933A
公开(公告)日：2024-03-12
申请号：CN202311576114.6
申请日：2023-11-23
Applicant: 中国科学院计算技术研究所
IPC: G06V10/764 , G06T7/00 , G06V10/774
Abstract: 本发明提供一种医疗图像分类模型的联邦训练方法，包括：S1、初始化的步骤：在中心服务器上随机初始化一个全局模型并将其传递给多个参与方以作为每个参与方的初始本地模型，其中，每个参与方存储有本地数据，所述每个参与方的本地数据包括多个医疗图像及其对应的疾病标签，且每个参与方的本地数据与其他参与方的本地数据之间不存在交集；S2、联邦训练的步骤：所述中心服务器每接收到一个参与方完成本地训练后的本地模型的参数时进行一次全局模型更新，并将更新后的全局模型参数发送给对应参与方，该参与方将接收到的更新后的全局模型参数作为新的本地模型的参数进行下一次本地训练。
-
公开(公告)号：CN113112029B
公开(公告)日：2022-09-16
申请号：CN202110435786.X
申请日：2021-04-22
Applicant: 中国科学院计算技术研究所
IPC: G06F16/182
Abstract: 本发明提供一种应用于异构计算设备的联邦学习系统和方法，所述系统包括联邦学习管控平台以及多个联邦学习参与方计算设备，其中，在所述联邦学习管控平台和联邦学习参与方计算设备上部署联邦学习应用模块。本发明使各联邦学习参与方可以在使用异构计算设备的情况下，通过注册审批的形式加入联邦，在管控平台的调度下，使用适配于异构计算设备的通用联邦学习应用模块执行联邦学习建模任务及预测任务，使得有意愿加入联邦的参与方在能满足基本需求的情况下灵活、按需选择计算设备，并且降低部署和运维难度。
-
Patent Agency Ranking
公开(公告)号：CN113571153A
公开(公告)日：2021-10-29
申请号：CN202110953220.6
申请日：2021-08-19
Applicant: 中国科学院计算技术研究所 , 中国残疾人辅助器具中心
Abstract: 本发明提出一种面向脑瘫患者肢体康复的被动式训练感知系统及其客户端，包括显示模块，用于向患者展示包含卡通人物的训练任务；采集模块，用于获取患者执行该训练任务时的肢体运动信息和肌电信息，并将该运动信息和该肌电信息传输至该处理模块；处理模块，用于根据该运动信息构建患者的肢体运动模型，且该肢体运动模型与该卡通人物的行为联动，根据该肌电信息，得到患者肌肉的力度状态，结合该肢体运动模型和该力度状态，得到患者执行该训练任务的完成度，并根据该完成度对该训练任务的时长和难度进行动态调整。本发明具有覆盖了运动功能的多方面因素的训练任务，使得本系统具有训练患者多维度运动的能力。
-
公开(公告)号：CN107688822B
公开(公告)日：2021-07-20
申请号：CN201710585350.2
申请日：2017-07-18
Applicant: 中国科学院计算技术研究所
Abstract: 本发明涉及一种基于深度学习的新增类别识别方法，包括以下步骤：将预测样本输入到深度网络获得预测样本的输出向量；计算所述预测样本的输出向量，与训练样本中每种类别的代表向量之间的相似度值，从而识别所述预测样本的类别；其中，所述训练样本中每种类别的代表向量是通过将所述训练样本集输入到深度网络获得输出向量集，并根据所述训练样本的输出向量集计算得出的。
-
公开(公告)号：CN113128701A
公开(公告)日：2021-07-16
申请号：CN202110371288.3
申请日：2021-04-07
Applicant: 中国科学院计算技术研究所
IPC: G06N20/00
Abstract: 本申请提供了面向样本稀疏性的联邦学习方法及系统，包括由各个边缘设备在基于本地数据对全局模型训练后将得到的模型参数以及训练用的特征向量上传至云端服务器；由云端服务器将从各边缘设备收到的特征向量形成多模态特征联合表示并对来自各个边缘设备的模型参数进行聚合；由云端服务器利用多模态特征联合表示对经聚合后的全局模型进行训练并将训练后的模型参数和多模态特征联合表示下发至各个边缘设备；以及由每个边缘设备对从云端服务器收到的全局模型进行迁移学习以得到相应的本地模型。该方案有效联合多个不同模态数据的参与方进行模型的协同训练，在兼顾用户隐私的同时改善了模型精度。
-
公开(公告)号：CN110693510A
公开(公告)日：2020-01-17
申请号：CN201910987452.6
申请日：2019-10-17
Applicant: 中国科学院计算技术研究所
Abstract: 本发明提出一种注意力缺陷多动障碍辅助诊断装置及其使用方法，包括：显示屏幕，用于与被测者进行交互，并显示测试场景；穿戴式加速度传感器，用于采集被测者在该测试场景中的肢体加速度；数据处理模块，用于对该肢体加速度进行预处理，得到待测数据，将该待测数据输入基于深度神经网络的注意缺陷多动障碍检测模型进行识别，得到辅助诊断结果，并将其发送至该显示屏幕。本发明提出的基于深度学习方法通过加速度图像实现分类注意缺陷多动障碍组与对照组样本的分类方法具有结果准确、客观、便于推广，能够辅助临床中注意缺陷多动障碍患者的辅助诊断。
-
公开(公告)号：CN110517773A
公开(公告)日：2019-11-29
申请号：CN201910635805.6
申请日：2019-07-15
Applicant: 中国科学院计算技术研究所
Abstract: 本发明涉及一种测试装置、方法、存储介质和系统，该装置包括：一标签模块，包括至少一标签，该每一标签内设置一传感单元，该每一传感单元内置一第一维度信息；一感知模块，包括至少一感知单元，该每一感知单元内包括一感应接收子单元，该每一感应接收子单元用于接收和识别所述第一维度信息，并内置一第二维度信息；一计算模块，包括：一规则选择子模块，用于选择测试规则，并根据该测试规则随机生成一测试提示；一时钟子模块，用于记录每一测试操作时间以及每一测试规则时间；一测试评价子模块，用于获取测试信息，根据该测试信息生成测试结果；以及一显示模块，用于显示所述测试提示、所述测试结果。该装置具有很好的应用价值。
-
-
-
-
-
-
-
-
-
Search Results
48
records
(took 0.038 seconds)
