-
公开(公告)号：CN117909744A
公开(公告)日：2024-04-19
申请号：CN202410207285.X
申请日：2024-02-26
Applicant: 中国科学院计算技术研究所
IPC: G06F18/214 , G06F18/23213 , G06F40/30 , G06N3/04 , G06N3/088
Abstract: 本发明提供了一种用于训练人类活动识别模型的方法和系统，所述方法包括：获取数据集，所述数据集包括多个传感器数据样本，所述多个传感器数据样本通过聚类算法对原始未标注数据集进行聚类选取得到；获取每个所述传感器数据样本的文本提示，并利用大语言模型根据所述文本提示，生成指示对应传感器数据样本所属活动类别的标签，并将所述标签标注在对应的传感器数据样本上，以得到训练集；根据类均衡算法对所述训练集进行类别均衡，并利用类别均衡后的训练集对人类活动识别模型进行训练。
-
公开(公告)号：CN117421590A
公开(公告)日：2024-01-19
申请号：CN202311235562.X
申请日：2023-09-25
Applicant: 中国科学院计算技术研究所
IPC: G06F18/214 , G06N20/00
Abstract: 一种联邦学习客户端的数据质量评估方法，包括：步骤S1：根据多个客户端当前轮训练更新后的本地模型参数和对应的样本数据量获得更新后的全局模型参数；步骤S2：根据当前轮更新前与更新后的客户端的本地模型参数计算各个客户端的本地参数梯度，步骤S3：根据更新前与更新后的全局模型参数计算服务端的全局参数梯度；步骤S4：计算服务端的全局参数梯度与各个客户端的本地参数梯度之间的动土距离，根据动土距离确定各个客户端的数据质量。
-
公开(公告)号：CN117150292A
公开(公告)日：2023-12-01
申请号：CN202311074976.9
申请日：2023-08-24
Applicant: 中国科学院计算技术研究所
IPC: G06F18/214 , G06F18/213 , G06F18/241 , G06N3/045 , G06N3/0464 , G06N3/08 , G06N3/084
Abstract: 本发明提供了一种基于增量学习对手势识别模型训练的方法，所述方法包括：获取经训练的旧手势识别模型，其包括用于从肌电信号数据提取手势特征的特征提取器；获取初始的新手势识别模型，其包括用于提取手势特征的特征提取器和用于根据手势特征进行手势识别的分类器；获取多个旧用户中每个旧用户的样本池中的训练样本以及新用户的训练样本，每个训练样本包括肌电信号数据和用于指示该肌电信号数据所属手势类别的标签；基于经训练的旧手势识别模型分别提取训练集中的各个训练样本中肌电信号数据的旧手势特征；以所述初始的新手势识别模型为基础，利用训练集对其进行多次迭代训练，最后一次训练完成得到经增量学习的新手势识别模型。
-
公开(公告)号：CN116999027A
公开(公告)日：2023-11-07
申请号：CN202310969606.5
申请日：2023-08-03
Applicant: 中国科学院计算技术研究所
IPC: A61B5/00 , A61B5/1455
Abstract: 本发明提供了一种用于辅助筛查轻度认知障碍的系统，包括：第一模态检验模块，用于获取被试者的认知分数向量，根据认知分数向量确定第一和第二置信度，认知分数向量由被试者在至少两种认知量表上测试的得分组成；第二模态检验模块，用于获取由多个脑部电极从被试者采集的多通道近红外时序数据，将多通道近红外时序数据转换为格里姆角场图像，根据从格里姆角场图像提取的融合特征确定第三和第四置信度，其中，第一置信度表和第三置信度指示认知能力正常的概率，第二置信度表和第四置信度指示存在轻度认知障碍的概率；融合模块，用于对第一置信度和第三置信度进行融合得到第五置信度，以及，对第二置信度和第四置信度进行融合得到第六置信度。
-
公开(公告)号：CN116756571A
公开(公告)日：2023-09-15
申请号：CN202310779069.8
申请日：2023-06-28
Applicant: 中国科学院计算技术研究所
IPC: G06F18/214 , G06F18/24 , G06F18/25 , G06F17/14 , G06N3/0464 , G06N3/08
Abstract: 本发明提供了一种基于时频融合增强的行为识别模型训练方法，包括：A1、获取训练集，其中原始样本是传感数据，标签指示对应传感数据被采集时人体的行为类别；A2、将训练集划分成多个批次，分批次迭代训练行为识别模型的特征提取器，每批次训练包括：A21、对每个原始样本分别进行时域增强和时域增强后融合，A22、基于各个原始样本及对应的时频增强样本，通过对比学习的方式训练所述特征提取器根据输入的样本提取样本特征，拉近原始样本及其对应的时频增强样本的样本特征的距离以及拉远原始样本与其他样本的样本特征的距离；A3、获取行为识别模型，其包括经步骤A2训练的特征提取器和分类器，利用所述训练集对所述行为识别模型进行分类训练。
-
Patent Agency Ranking
公开(公告)号：CN112908466B
公开(公告)日：2023-08-04
申请号：CN202110041814.X
申请日：2021-01-13
Applicant: 中国科学院计算技术研究所
Abstract: 本发明提出一种基于迁移学习的阿尔兹海默病智能决策支持方法和系统，包括通过拍照设备设备，采集患者眼底图像数据，同时利用辅助设备采集患者辅助生理数据，并进行补齐、归一化、滤波等预处理；对图片数据提取图像特征，对辅助序列数据，提取特征，并对不同传感器特征数据进行归一化与拼接；在传播方案获取与标签传播阶段，通过广义条件梯度下降算法对针对融合距离的目标函数进行优化，通过IBP算法获取梯度方向，通过线搜索获取步长，依次迭代直至收敛，根据获取的传播方案，将源域中已有的标定通过传播方案扩散至目标域未标定样本。从而获得更准确的目标域数据标定。
-
公开(公告)号：CN112861796B
公开(公告)日：2023-04-07
申请号：CN202110268443.9
申请日：2021-03-12
Applicant: 中国科学院计算技术研究所
IPC: G06V40/10 , G06F18/24 , G06F18/2431 , G06F18/214 , G06N20/00
Abstract: 本发明提供一种特征自适应的动作识别方法，包括：基于初始数据集构建识别模型，初始数据集包括与多次生理信号采集相对应的来自已有电极集合中的所有电极的初始特征以及与多次生理信号采集对应的标签；获取采集自待识别目标的特征集合；确定所获取的特征集合中是否缺失来自所述已有电极集合中的一个或多个电极的特征；响应于确定缺失来自所述已有电极集合中的一个或多个电极的特征，将所述一个或多个电极作为一个或多个缺失电极，在所获取的特征集合中补充来自所述一个或多个缺失电极的特征；以及将所获取的特征集合作为识别模型的输入，得到动作识别结果。本发明提供的特征自适应的动作识别方法支持动作识别过程中特征空间的动态变化。
-
公开(公告)号：CN112861679B
公开(公告)日：2023-01-20
申请号：CN202110123629.5
申请日：2021-01-29
Applicant: 中国科学院计算技术研究所
IPC: G06V40/20 , G06V10/764 , G06V10/774
Abstract: 本发明提供了一种面向行为识别的迁移学习方法和系统，该方法依据基于熵减的最优传输方案确定待标定的数据的标签，其中，基于熵减的最优传输方案中包括对源域数据的标签类别比例的熵进行限制。本发明中的迁移学习方法和系统能够在目标域数据类别少于源域数据类别的情况下，使得源域中分布的类别相对集中，源域分布与目标域更加匹配，从而有效减少负迁移，更鲁棒、准确地获取目标域待标定数据标签。
-
公开(公告)号：CN114417969A
公开(公告)日：2022-04-29
申请号：CN202111551153.1
申请日：2021-12-17
Applicant: 中国科学院计算技术研究所
Abstract: 本发明提出一种基于细粒度迁移的跨场景认知能力评估方法，包括：以用户在第一场景下的认知数据为源域数据，以该用户在第二场景下的认知数据为目标域数据；以源域数据集为训练集，训练随机森林分类器，生成源域模型；获得该个体分类器对目标域数据集的测试准确率，以及从源域特征到目标域特征的信息增益差；根据该测试准确率和该信息增益差，将所有该个体分类器聚类为多个簇；对各簇中的个体分类器采用对应的生长机制进行更新，获得目标域模型；通过该目标域模型对该用户在该第二场景下的认知能力进行评估。本发明还提出一种基于细粒度迁移的跨场景认知能力评估系统，以及一种数据处理装置。
-
公开(公告)号：CN110801227B
公开(公告)日：2021-07-20
申请号：CN201911248610.2
申请日：2019-12-09
Applicant: 中国科学院计算技术研究所
Abstract: 本发明涉及一种基于可穿戴设备的立体色块障碍测试模型的训练方法，包括：通过可穿戴设备采集用户在立体色块障碍测试中产生的多模态信号；对所述多模态信号进行预处理并划分为多个信号片段；根据所述用户的动作类型标定所述多模态信号片段；利用所述标定后的多模态信号片段训练神经网络。
-
-
-
-
-
-
-
-
-
Search Results
45
records
(took 0.042 seconds)
