-
公开(公告)号：CN115251951A
公开(公告)日：2022-11-01
申请号：CN202210922613.5
申请日：2022-08-02
Applicant: 哈尔滨理工大学
Abstract: 本发明公开了一种基于FPGA的癫痫脑电信号分类方法、实现方法及装置，在FPGA上构建适用于癫痫脑电信号分类的RNN网络结构模型硬逻辑，RNN网络结构模型依次包括输入层、Bi‑LSTM层、Dropout层、全连接层、Softmax层和分类输出层；建立RNN网络结构模型各层的IP核，采用同步数据流法将RNN网络结构模型中各层的IP核连接，并在相邻IP核之间插入AXI4‑Streaming寄存器片；接收癫痫脑电信号特征训练数据，RNN网络结构模型，调整RNN网络结构模型权重值直至得到分类准确率最高的模型，并将训练好的模型参数存储于DDR存储器，得到实现癫痫脑电信号分类的FPGA，利用RNN网络结构模型进行癫痫脑电信号分类。
-
公开(公告)号：CN114429796A
公开(公告)日：2022-05-03
申请号：CN202111571878.7
申请日：2021-12-21
Applicant: 哈尔滨理工大学
Abstract: 本发明公开了一种基于多核学习的药物不良反应预测方法，涉及数据挖掘技术领域，它的方法如下：步骤一、研究药物不良反应预测需要对药物特征信息和已知的药物和不良反应信息进行提取；步骤二、药物的化学结构信息转化为药物的指纹向量，构建药物和不良反应信息的邻接矩阵；步骤三、构造核矩阵使用多核学习将核矩阵融合在同一特征空间中；步骤四、使用基于图的半监督学习方法构建预测器，先对构建的药物核和不良反应核进行稀疏化处理然后采用局部和全局一致性算法构建药物不良反应的预测模型；步骤五、采用5倍交叉验证的方法对AUC和AUPR来进行对预测效果的对比评估。通过上述方式，本发明能够使得药物不良反应的预测性能得以优化。
-
公开(公告)号：CN109816657A
公开(公告)日：2019-05-28
申请号：CN201910158251.5
申请日：2019-03-03
Applicant: 哈尔滨理工大学
Abstract: 本发明涉及脑瘤医学图像分割技术领域，具体是一种基于深度学习的脑瘤医学图像分割方法，所述基于深度学习的脑瘤医学图像分割方法，包括：训练分割模型，接收待分割的脑瘤医学图像数据信息，对接收的待分割脑瘤医学图像数据信息进行分割处理，输出分割结果；所述基于深度学习的脑瘤医学图像分割系统，包括分割模型训练模块、脑瘤医学图像接收模块、脑瘤医学图像分割处理模块和分割结果输出模块。该基于深度学习的脑瘤医学图像分割方法通过对分割模型进行深度学习训练，深度学习训练好的分割模型再对接收到的待分割脑瘤医学图像数据信息进行分割处理，分割结果准确，解决了传统的人工分割方法存在费时费力的问题。
-
公开(公告)号：CN107172725A
公开(公告)日：2017-09-15
申请号：CN201710519870.3
申请日：2017-06-30
Applicant: 哈尔滨理工大学
Abstract: 本发明公开了一种多模式物联网网关，包括盖体、底座、触摸式显示屏、连接器、控制组件；盖体为方形，盖体顶面设置有散热格栅、腰形槽，盖体侧面设置有R485接口、JTAG接口、RJ45接口、USB接口、显示屏接口、电源接口、开关、指示灯，盖体顶面的腰形槽内设置有显示屏接口，显示屏通过连接器、显示屏接口与控制组件连接，底座上设置有螺柱，控制组件通过螺柱安装在底座上，盖体与底座通过螺钉连接。该网关能够实现ZigBee、蓝牙、WIFI、红外不同通信制式的智能设备无差别地接入网络，实现任意通信协议之间的转换，同时能够直接通过网关设备上的显示屏掌握网内智能设备连接情况以及对智能设备的管理与控制。
-
公开(公告)号：CN117788834A
公开(公告)日：2024-03-29
申请号：CN202311608706.1
申请日：2023-11-28
Applicant: 哈尔滨理工大学
IPC: G06V10/40 , G06T7/194 , G06V10/764 , G06V10/774 , G06N3/0464 , G16H30/00 , G16H70/60
Abstract: 本发明公开了一种基于全切片病理图像的癌症患者预后特征提取系统及方法，涉及计算机视觉领域，系统包括：病理图像数据库、图像处理模块和神经网络模块；病理图像数据库中包含患者切除的肝组织全切片病理图像，图像处理模块从病理图像数据库中读取图像并过滤背景提取前景图，将前景图切割为等大小且不重叠的图像块，并记录图像块在全景图中相对位置；神经网络模块包括ResNeSt网络和预后特征提取网络，ResNeSt网络对患者的病理切片的图像块进行分类，同时也计算每个图像块对肿瘤的置信度，ResNeSt网络筛选出均值置信度最高的前50个图像块输入预后特征提取网络，预后特征提取网络输出判断结果。
-
Patent Agency Ranking
公开(公告)号：CN117235598A
公开(公告)日：2023-12-15
申请号：CN202311203068.5
申请日：2023-09-18
Applicant: 哈尔滨理工大学
IPC: G06F18/241 , G06F18/213 , G06N3/0464 , G06N3/048
Abstract: 本发明公开了一种基于自适应提取时‑空‑频特征的单侧肢体精细运动想象脑电信号分类方法，属于脑机接口领域。过程如下：首先对原始脑电信号进行数据预处理减少脑电噪声，提高脑电信号信噪比；随后对预处理后脑电信号进行时间段的切分，针对每一段时间进一步进行频率段的切分并结合CSP算法求取每段频率的最优空间域特征；将同一时间段内不同频段所提取的空域特征进行轴向拼接导入通道注意力机制中完成频‑空特征自适应权重分配；随后将筛选后的频‑空特征按照不同时间段进行轴向拼接导入通道注意力机制中完成时间域特征的自适应权重分配。最后经卷积网络对筛选后的特征进行分类输出最后结果。
-
公开(公告)号：CN114711783A
公开(公告)日：2022-07-08
申请号：CN202210477410.X
申请日：2022-05-04
Applicant: 哈尔滨理工大学
Abstract: 本发明公开了一种心电信号的采集、滤波、特征提取以及分类的系统搭建的方法，属于数字信号处理领域，它的方法如下：步骤一、心电信号采集平台的搭建，采用心电信号采集芯片ADS1299、主控芯片STM32F103ZET6、蓝牙传输模块等硬件系统的搭建和相应的软件设计。步骤二、心电信号预处理算法研究，基于小波变换的数字滤波对非平稳的心电信号处具有独特的优越性。步骤三、心电信号特征提取算法研究，采用一种用小波变换模极大值和差分阈值相结合的方法来定位特征点对心电信号进行特征提取。步骤四、心电信号自动分类算法研究，采用模糊决策树算法进行特征分类能将分类过程显示为规则库的形式，更加适用于心电信号分类问题。
-
公开(公告)号：CN113868961A
公开(公告)日：2021-12-31
申请号：CN202111212919.3
申请日：2021-10-18
Applicant: 哈尔滨理工大学
Abstract: 本发明公开了一种基于自适应动态规划值迭代的核电系统功率跟踪控制方法，包括：相关参数初始化；开启全局迭代，初始化评价网络权值，利用自适应动态规划值迭代算法训练评价网络，修正评价网络权值，其中评价网络用来近似跟踪误差值函数，并利用该评价网络评测当前误差控制策略的性能；通过执行流程选择最优跟踪误差控制策略，修正执行网络权值，更新一次全局迭代的成本；更新跟踪误差值函数和误差控制律，以获得最优解；判断当前是否满足收敛精度，若否，则返回全局迭代，否则根据最优跟踪误差值函数获得最优跟踪控制策略，跟踪到期望工况点。由此，本发明可以不断地学习、调整策略跟踪到期望工况点。
-
公开(公告)号：CN113222847A
公开(公告)日：2021-08-06
申请号：CN202110542673.X
申请日：2021-05-18
Applicant: 哈尔滨理工大学
IPC: G06T5/00
Abstract: 本发明公开了一种基于生成对抗网络的图像去雾方法，涉及图像去雾技术领域；它的方法如下：步骤一、研究暗通道去雾，从雾图成像的背景模型出发研究去雾；步骤二、学习卷积神经网络的来进行图像去雾；步骤三、改进CycleGAN网络；步骤四、对去雾后的清晰图像通过实验来验证其去雾效果，进行定性和定量的评价，分析对比结果，来比较改进后的基于生成对抗网络的算法与暗通道先验算法在主观评价和客观评价两方面的指标是否都有提升；本发明能够实现图像的去雾，且能够保证图像的清晰度，使用方便，稳定性高；针对雾天的特性，使用生成对抗网络来对图像的去雾效果实现进一步优化。
-
公开(公告)号：CN111325414A
公开(公告)日：2020-06-23
申请号：CN202010208105.1
申请日：2020-03-23
Applicant: 哈尔滨理工大学
Abstract: 本发明公开了一种基于数据驱动的平行交通预测方法，涉及交通技术领域；它的预测方法如下：步骤一：构建学习模型：通过图形表示的方法整合所有传感器数据来作为网络的输入，以实现多路段交通数据的整体预测；步骤二：构建人工系统：步骤三：实现平行交通预测系统；本发明为了实现交通需求的大规模生成，引入图网络将不同路段的时间序列数据处理为图形，以便在较少计算资源的情况下快速生成交通需求；通过平行系统生成的数据增强真实数据的可靠性，并减少学习过程中对真实数据的需求程度，并实现从宏观现象到微观指标的转化，实现小数据生成大数据，大数据中提取小知识的过程。
-
-
-
-
-
-
-
-
-
Search Results
35
records
(took 0.026 seconds)
