-
Patent Agency Ranking
公开(公告)号：CN110580521A
公开(公告)日：2019-12-17
申请号：CN201910875365.1
申请日：2019-09-17
Applicant: 哈尔滨工业大学
Abstract: 本发明公开了一种自组织协同神经网络模型学习及构建方法，学习方法包括：数据预处理；网络初始化；基于SOM网络的原型模式自学习。构建方法包括：伴随模式计算；在计算得出伴随模式矩阵后，原型模式矩阵作为连接输入层和序参量层的权值，伴随模式矩阵作为连接序参量层和输出层的权值，网络开始工作。本发明的优点是：改进了SNN网络模型，通过原型模式及其伴随模式还有序参量的重定义，克服了SNN结构单一、扩展性较差的问题。在此基础上，通过引入Kohonen网络层，与SNN的序参量层结合，基于序参量原型模式与输入样本相似程度的实际意义，解决了SNN工作过程中全局调控困难的问题。
-
公开(公告)号：CN104631376B
公开(公告)日：2016-08-17
申请号：CN201510029374.0
申请日：2015-01-21
Applicant: 哈尔滨工业大学
Abstract: 一种空气清雪装置，属于清雪设备技术领域。以解决采用人力或除雪机械难以清除被压实的积雪；采用添加融雪剂融化积雪，污染环境、效率低以及采用电阻、微波等方式加热融化积雪，成本高的问题。喷管的一端为出风口，另一端为进风口，喷管采用渐缩式结构，喷管的进风口直径大于喷管的出风口直径；电动机安装在喷管内的出风口一端，电动机的输出轴上安装有喷气风扇，喷管的出风口一端与弧形管道的一端相连通，弧形管道的另一端与喷头的末端相连；喷管的进风口一端设置在内支撑机架上，喷管固定在外支撑机架上。本发明用于车窗、屋顶、街道等地区清雪。
-
公开(公告)号：CN115235657A
公开(公告)日：2022-10-25
申请号：CN202210782476.X
申请日：2022-07-05
Applicant: 哈尔滨工业大学
Abstract: 一种组合型压阻式柔性三维力传感器及制备方法，涉及传感器技术领域。解决现有传感器无法实现长时间检测、灵敏度不高、稳定性差、无法实现方向识别及剪切力和压力相互干扰的问题。本发明包括感知压力单元、支撑单元、感知剪切力单元和力采集单元；感知压力单元包括第三柔性基体层、复合型敏感材料层和第四柔性基体层，支撑单元包括外框架、中心支柱，外框架包括侧壁支撑架和支架，感知剪切力单元包括第一柔性基体层、十字形敏感材料层和第二柔性基体层，力采集单元包括触头；感知压力单元、支撑单元、感知剪切力单元和力采集单元从下往上依次叠放在一起，且支撑单元的中心支柱与力采集单元同轴。本发明适用于触觉传感器领域用于采集三维力信号。
-
公开(公告)号：CN110766139A
公开(公告)日：2020-02-07
申请号：CN201910999560.5
申请日：2019-10-21
Applicant: 哈尔滨工业大学
Abstract: 本发明公开了一种复合神经网络模型及其建模方法，包括：一个全连接稀疏建模模块、一个输入映射单层感知器层、一个字典学习单层感知器层以及一个反馈通路模块。全连接稀疏建模模块用于在系统的每一轮迭代中完成单一样本的稀疏建模，输入映射单层感知器层用于生成全连接稀疏建模模块所需的持续外输入，字典学习单层感知器层用于实现稀疏字典的学习和优化，反馈通路模块用于辅助全连接稀疏建模模块、提高建模的稀疏质量。本发明的优点是，通过Hopfield神经网络的全连接工作机制以及感知器神经网络模型的权值学习机制，实现一体化的数据驱动稀疏建模和字典学习，获取全局性更好、稀疏性能更优的建模结果。
-
公开(公告)号：CN110327043A
公开(公告)日：2019-10-15
申请号：CN201910715578.8
申请日：2019-08-05
Applicant: 哈尔滨工业大学
IPC: A61B5/0476 , A61B5/00
Abstract: 本发明给出了一种基于稀疏建模的事件相关电位波形图谱求解方法。包括：数据预处理，去燥、分帧和能量归一化；稀疏字典学习，字典初始化，稀疏建模，字典学习和收敛性判断；波形字典聚类；波形字典性质判定。本发明的优点在于：针对数据中固有的事件相关电位活动模式、而非依据认知实验赋予的标签获取ERP波形，不仅可以处理实验环境下的EEG数据，也可以处理没有标签的真实环境下获取的EEG数据，具有更好的普适性和实用性。此外，使用了面向单次、单帧数据处理的信号处理方法，能够有效提升EEG分析处理的灵活性，在脑机接口领域也具有显著的应用前景。
-
-
-
-
Search Results
15
records
(took 0.021 seconds)
