-
公开(公告)号：CN112244875A
公开(公告)日：2021-01-22
申请号：CN202011248815.3
申请日：2020-11-10
Applicant: 天津职业技术师范大学(中国职业培训指导教师进修中心)
Abstract: 本发明公开了一种基于脑电与深度学习的精神分裂症探测方法，包括提取测试样本、将所得测试样本转换为测试输入图像、将所得测试输入图像输入到深度学习模型中，并且进行鲁棒性特征提取得到鲁棒性特征、将提取到的鲁棒性特征输入到极限学习机分类器中，进行精神分裂症的探测并输出探测结果。其深度学习模型由卷积神经网络和长短期记忆神经网络构成。卷积神经网络可以利用卷积层进行特征提取，不需要反复寻找合适的特征，节省了大量的时间。同时，利用卷积层进行特征提取，可以通过改变卷积核的大小来提高对精神分裂症探测的准确度，操作简便，速度更快，并且可使准确度高达90％以上。
-
公开(公告)号：CN111227851A
公开(公告)日：2020-06-05
申请号：CN201811439235.5
申请日：2018-11-29
Applicant: 天津职业技术师范大学
IPC: A61B5/18 , A61B5/0476 , A61B5/00
Abstract: 本发明公开了一种基于脑电信号的驾驶员警觉度检测机构及检测方法，所述检测机构包括装配在驾驶室内的脑电信号采集器、脑电放大器和数据处理终端，所述检测方法包括以下步骤：步骤1，脑电信号采集器采集驾驶员的脑部PO4通道和PO5通道的脑电信号；步骤2，将所述脑电信号传递给所述数据处理终端，利用离散小波变换将所述脑电信号分解成7层子频带，提取d5(7.9-15.7Hz)子频带的特征，所述特征为振幅对数、四分位数和变异系数；利用PO4的CV+S或CV+L或CV+Q或CV+S+Q或CV+L+Q特征判定驾驶员的警觉度。或者利用PO4和PO5的CV或组合特征CV+L或组合特征CV+Q特征判定驾驶员的警觉度。
-
公开(公告)号：CN119030399A
公开(公告)日：2024-11-26
申请号：CN202411113571.6
申请日：2024-08-14
Applicant: 天津职业技术师范大学(中国职业培训指导教师进修中心)
IPC: H02P21/22 , H02P21/14 , H02P25/022 , H02P27/12
Abstract: 本发明提出基于扩展控制集的永磁同步电机无模型预测电流控制方法，包括：获取三相永磁同步电机相关数据集；将无模型预测电流控制方法中的原来的7个基本电压矢量扩展到37个；获取基本电压矢量对应的电流梯度，并获得电压矢量作用后的k+1控制周期预测电流；通过延时补偿，得到参考电流梯度，根据参考电流梯度确定候选电压矢量所在的象限，然后缩小候选电压矢量所在区域，将候选电压矢量数目从37个减少到6个；根据候选电压矢量Vxy，计算得到相应的电流梯度#imgabs0#然后根据代价函数，从候选电压矢量中选择选出最优电压矢量，并生成逆变器控制信号；本发明减少了候选电压矢量，从而降低控制系统的计算量。
-
公开(公告)号：CN114693476A
公开(公告)日：2022-07-01
申请号：CN202011632303.7
申请日：2020-12-31
Applicant: 天津职业技术师范大学(中国职业培训指导教师进修中心)
Abstract: 本发明公开了一种实验器材共享管理系统及其管理方法，所述管理系统包括用于取放实验器材的搬运小车、与所述搬运小车通讯的数据处理终端以及分别与所述数据处理终端通讯连接的用户端和管理端；所述实验器材按序列放置于仓库中的物品架上，所述实验器材利用超宽带定位单元进行定位，所述超宽带定位单元包括设置于所述仓库内的三个基站以及设置于每一实验器材上的定位标签，所述定位标签和所述基站通讯连接；所述搬运小车上搭载机械抓手用于抓取所述实验器材并运输至指定位置；所述搬运小车上设有定位模块、通讯模块和信息获取模块，所述搬运小车通过通讯模块与所述数据处理终端通讯连接，每一实验器材上设有与所述信息获取模块相匹配的信息标签。本发明可实现实验器材的共享管理，方便高效。
-
公开(公告)号：CN114078346A
公开(公告)日：2022-02-22
申请号：CN202010851129.9
申请日：2020-08-21
Applicant: 天津职业技术师范大学(中国职业培训指导教师进修中心)
Abstract: 本发明公开了一种自动控制系统仿真实验平台，包括旋转平台、履带小车和用于控制所述履带小车的自动控制系统；所述旋转平台下方通过旋转轴承安装在支撑杆上，所述支撑杆固定于一固定面上；所述履带小车的左右两侧分别安装有直流减速电机，分别控制左右两侧的行进速度；自动控制系统包括陀螺仪模块、主控模块和用于控制所述直流减速电机的电机驱动模块，履带小车在自动控制系统的控制下，在旋转平台上朝向指示方向标行进。该自动控制系统仿真实验平台以履带小车和旋转平台为主体，建立了生动的教学模型，给实验者强烈的直观印象，便于实验者通过对教学模型的实物的分析调试和验证来验证学到的理论知识，增大了实验指导的意义。
-
Patent Agency Ranking
公开(公告)号：CN113536032A
公开(公告)日：2021-10-22
申请号：CN202010280902.0
申请日：2020-04-10
Applicant: 天津职业技术师范大学(中国职业培训指导教师进修中心)
IPC: G06F16/735 , G06K9/00 , G06K9/62
Abstract: 本发明公开了一种视频序列信息挖掘系统、方法及其应用，所述挖掘系统中：抓取模块利用“公众人物”关键词通过搜索引擎抓取图片样本，用矩形框对抓取信息中人脸区域进行标注，述数据预处理模块用于对标注后的图片样本进行过滤和标准化获得训练集，深度学习模型训练模块中的训练模型经过训练集进行训练，得到识别模型，识别与处理模块用于提取待处理视频中的关键帧并记录时间点，将关键帧进行标准化后，传递给识别模型识别“公众人物”，输出每个时间点的关键帧中所包含的“公众人物”。本发明对视频做进一步的加工和处理提供了快捷有效的工具和方法。
-
公开(公告)号：CN113297442A
公开(公告)日：2021-08-24
申请号：CN202010113751.X
申请日：2020-02-24
Applicant: 天津职业技术师范大学(中国职业培训指导教师进修中心)
IPC: G06F16/904 , G06K9/00 , G06F3/01
Abstract: 本发明公开了一种基于web可视化平台的EEG实时交互分析系统和实时交互分析方法，所述分析方法，包括以下步骤：步骤1，云端服务器接收EEG信号采集装置传递来的脑电信号；步骤2，数据预处理模块对脑电信号数据中的异常值过滤后，再进行低通滤波处理，然后将处理后的数据存入数据库；步骤3，服务器端模块对所述数据库中的EEG时间序列进行基本统计特征提取和自定义高级特征提取；步骤4，web可视化分析模块对数据采集情况和数据特征情况进行监视和可视化。研究或实验人员可实时分析数据情况和EEG特征情况，方便医生或实验人员通过低成本的设备也可以实时了解信息采集状况，调整采集方案，同时对EEG信息进行有效的云端管理。
-
公开(公告)号：CN112790774A
公开(公告)日：2021-05-14
申请号：CN202110182451.1
申请日：2021-02-07
Applicant: 天津职业技术师范大学(中国职业培训指导教师进修中心)
Abstract: 本发明公开了一种原始脑电深度学习分类方法，包括提取测试样本、将所得测试样本转换为测试输入图像、将所得测试输入图像输入到深度学习模型中，并且进行鲁棒性特征提取得到鲁棒性特征、将提取到的鲁棒性特征输入到极限学习机分类器中进行分类分析。其深度学习模型由卷积神经网络和长短期记忆神经网络构成。卷积神经网络可以利用卷积层进行特征提取，不需要反复寻找合适的特征，节省了大量的时间。同时，利用卷积层进行特征提取，可以通过改变卷积核的大小来提高对脑电分析的准确度，操作简便，速度更快，并且可使准确度高达90％以上。
-
公开(公告)号：CN109924974B
公开(公告)日：2022-02-08
申请号：CN201910049383.4
申请日：2019-01-18
Applicant: 天津职业技术师范大学(中国职业培训指导教师进修中心)
Abstract: 本发明公开了一种基于EcoG癫痫神经信号的解码方法和云端解码系统，所述解码方法，包括以下步骤：步骤1，提取原始颞叶EcoG时间序列信号，对其进行低通滤波后，检测和计算放电峰值，然后提取放电峰值附近的放电信号波形；步骤2，基于Haar小波分析方法，提取步骤1中所述的放电信号波形的小波系数作为特征；步骤3，基于SVM模型，对采集到的小波系数特征进行学习模型训练，再利用该学习模型进行预测，步骤4，返回模型预测结果。本发明可在智能医疗装置在采集到病人EcoG信号后，可通过网络api，访问该云端部署的癫痫EcoG识别模型，上传病人准实时EcoG信息，获取返回的分类结果。
-
公开(公告)号：CN113536823A
公开(公告)日：2021-10-22
申请号：CN202010281542.6
申请日：2020-04-10
Applicant: 天津职业技术师范大学(中国职业培训指导教师进修中心)
Abstract: 本发明公开了一种基于深度学习的视频场景标签提取系统及其方法，所述方法包括以下步骤：步骤1，样本构建模块收集图片样本，二次标注场景标签；步骤2，数据预处理模块对步骤1得到的图片样本进行预处理，并分为训练集和验证集；步骤3，利用步骤2得到的训练集训练所述深度学习模型模块中的深度学习模型，再利用验证集进行验证，得到识别模型；步骤4，所述识别与处理模块对要处理视频的关键帧进行抽取，并记录其在视频中对应的时间点，对抽取到的关键帧进行预处理；把预处理产生的关键帧图片输入到识别模型中，得到识别出的可能的场景标签。本发明解决了视频内容信息提取不充分的问题，客户可基于识别的信息，优化视频的推荐和搜索效果。
-
-
-
-
-
-
-
-
-
Search Results
35
records
(took 0.035 seconds)
