-
公开(公告)号：CN112857373B
公开(公告)日：2024-02-20
申请号：CN202110217057.7
申请日：2021-02-26
Applicant: 哈尔滨工业大学
IPC: G01C21/20
Abstract: 本发明公开了一种最小化无用动作的节能性无人车路径导航方法，属于自主导航领域。节能性无人车路径导航方法包括以下步骤：步骤一、根据光流图像以及动作前一张光流图像预测出机器人执行的对应动作；步骤二、设置新的reward函数，根据过去一定“窗口”范围内的机器人动作序列以及当前的观测，预测出机器人目前应执行的动作从而进行躲避障碍，并在导航的同时减少多余无用的左右摇摆转向动作。本发明避免了传统SLAM方法中复杂繁琐的流程，通过视觉信息可以减少机器人强化学习决策过程中做出多余无用的摆动动作，从而提高导航的效率同时减少多余能量的消耗。
-
公开(公告)号：CN113220827A
公开(公告)日：2021-08-06
申请号：CN202110463202.X
申请日：2021-04-23
Applicant: 哈尔滨工业大学
IPC: G06F16/33 , G06F16/35 , G06F40/216 , G06F40/289 , G06N20/00 , G06Q50/02 , G06Q50/20 , G06F16/951
Abstract: 本发明提供了一种农业语料库的构建方法及装置，该方法包括：基于农业语料库的标注体系确定标注工具；基于随机选择的农业样本数据进行第一标注培训，得到机器学习模型；基于主动学习选择的农业样本数据进行第二标注培训，得到训练更新的机器学习模型，并得到更新的标注工具；基于主动学习选择的农业样本数据进行正式标注，得到标注数据；基于农业样本数据及其标注数据构建农业语料库。本发明通过主动学习和标注一致性分析，提升了数据标注的成效，并获得大量规范有效的农业标注数据，解决了当前农业语料库数据混乱的问题。同时，以较少的样本集使机器学习模型训练达到较佳效果，减少了数据标注的消耗，并提升了农业语料库构建的成效。
-
公开(公告)号：CN116486196B
公开(公告)日：2024-01-23
申请号：CN202310293073.3
申请日：2023-03-17
Applicant: 哈尔滨工业大学(深圳)
IPC: G06V10/774 , G06V10/778 , G06V10/88 , G06V10/80 , G06N20/20 , G06N3/0455 , G06N3/0464 , G06V10/82 , G06V10/764 , G06N3/084
Abstract: 本发明提供了一种病灶分割模型训练方法、病灶分割方法及装置，病灶分割模型训练方法包括：获取多张带标注的医学影像；将所述带标注的医学影像输入训练好的图像分割模型，确定所述带标注的医学影像中各个像素点的不确定性值；根据各个所述像素点的所述不确定性值构建多个二进制掩膜，根据所述二进制掩膜确定对应的基模型的损失函数，其中，所述二进制掩膜与所述基模型一一对应；基于集成学习算法和所述损失函数，采用所述带标注的医学影像对多个所述基模型进行训练，获得病灶分割模型。本发明的技术方案提高了病灶分割模型预测病灶区域的准确性。
-
公开(公告)号：CN117198549A
公开(公告)日：2023-12-08
申请号：CN202311244879.X
申请日：2023-09-25
Applicant: 哈尔滨工业大学
Abstract: 本发明提供一种血糖预测和控制方法及系统，涉及药代动力学机理技术领域，血糖预测和控制方法包括：根据强化学习模型，得到目标人员的当前时刻血糖状态以及预计外部干预量；将当前时刻血糖状态和预计外部干预量正向输入可逆神经网络，得到下一时刻血糖状态；将当前时刻血糖状态和期望血糖状态逆向输入可逆神经网络，得到从当前时刻血糖状态到期望血糖状态所需要的参考外部干预量；根据参考外部干预量调整预计外部干预量；当下一时刻血糖状态达到期望血糖状态时，将调整后预计外部干预量作为最终外部干预量。通过可逆神经网络对预计外部干预量进行调整，利用反事实思考，提高机器学习对频繁变化的外部干预量等新鲜数据的泛化能力。
-
公开(公告)号：CN116611520A
公开(公告)日：2023-08-18
申请号：CN202310540168.0
申请日：2023-05-12
Applicant: 哈尔滨工业大学
Abstract: 本发明提供了一种数字农业信息的分层因果发现方法、装置、介质及设备，属于农业信息化技术领域，所述方法包括：获取数字农业信息的数据集；构建包括高层策略和低层策略两层分层结构的因果发现框架；通过高层策略获取数据集的因果分割集合，根据因果分割集合，将数据集转换为多个因果变量子集合组成的因果变量子集族；通过低层策略对每一个因果变量子集合进行因果发现，获取每一个因果变量子集合的因果发现结果；通过高层策略将所有因果发现结果合并，获取数据集中全部变量的因果关系；获取所述数字农业信息中不同变量的因果关系。本发明能够有效降低独立性测试的复杂性，能够显著提高大规模变量情况下的因果发现效率。
-
Patent Agency Ranking
公开(公告)号：CN112347951B
公开(公告)日：2023-07-11
申请号：CN202011253584.5
申请日：2020-11-11
Applicant: 哈尔滨工业大学(深圳)
IPC: G06V40/20 , G06V10/764 , G06V10/77 , G06V10/774 , G06F3/01 , G06V10/30 , G06V10/82 , G06N3/0464
Abstract: 本发明提供了一种手势识别方法、装置、存储介质及数据手套，方法包括：获取数据手套完成当前动作时数据手套的各个传感器采集的传感器数据，所有传感器数据组成一个输入数据；采用主成分分析法对输入数据进行特征提取，获得第二特征数据；将第二特征数据输入训练好的多类SVM分类器，确定当前动作对应的手势；当训练好的多类SVM分类器无法识别当前动作时，对输入数据进行预处理，获得预处理后的数据；将预处理后的数据输入训练好的手势识别模型，输出当前动作对应的手势，其中，手势识别模型是基于卷积神经网络和长短期记忆循环网络建立的。本发明的技术方案能够在提高手势识别速度的同时，保证手势识别的精度。
-
公开(公告)号：CN112801283B
公开(公告)日：2023-06-16
申请号：CN202110335501.5
申请日：2021-03-29
Applicant: 哈尔滨工业大学(深圳)
IPC: G06V10/82 , G06V40/20 , G06N3/0464 , G06N3/08 , G06V10/40
Abstract: 本发明提供了一种神经网络模型、动作识别方法、装置及存储介质，神经网络模型包括多个卷积模块、输出模块、多个注意力子模块和分类模块，多个卷积模块和输出模块依次连接，且每个卷积模块的输出端分别连接至一个注意力子模块的输入端，每个注意力子模块的输入端还分别与输出模块的输出端连接，注意力子模块的输出端与分类模块的输入端连接；注意力子模块，用于获取各个卷积模块输出的局部特征向量和输出模块输出的全局特征向量，分别计算各个局部特征向量和全局特征向量之间的兼容性分数，根据各个局部特征向量和对应的兼容性分数生成新特征向量；分类模块，根据新特征向量确定当前人体动作。本发明的技术方案能够提高人体动作的识别精度。
-
公开(公告)号：CN113220827B
公开(公告)日：2023-03-28
申请号：CN202110463202.X
申请日：2021-04-23
Applicant: 哈尔滨工业大学
IPC: G06F16/33 , G06F16/35 , G06F40/216 , G06F40/289 , G06N20/00 , G06Q50/02 , G06Q50/20 , G06F16/951
Abstract: 本发明提供了一种农业语料库的构建方法及装置，该方法包括：基于农业语料库的标注体系确定标注工具；基于随机选择的农业样本数据进行第一标注培训，得到机器学习模型；基于主动学习选择的农业样本数据进行第二标注培训，得到训练更新的机器学习模型，并得到更新的标注工具；基于主动学习选择的农业样本数据进行正式标注，得到标注数据；基于农业样本数据及其标注数据构建农业语料库。本发明通过主动学习和标注一致性分析，提升了数据标注的成效，并获得大量规范有效的农业标注数据，解决了当前农业语料库数据混乱的问题。同时，以较少的样本集使机器学习模型训练达到较佳效果，减少了数据标注的消耗，并提升了农业语料库构建的成效。
-
公开(公告)号：CN112420201A
公开(公告)日：2021-02-26
申请号：CN202011341957.4
申请日：2020-11-25
Applicant: 哈尔滨工业大学
IPC: G16H50/50
Abstract: 本发明提供了一种用于ICU死亡率预测的深度级联框架及ICU死亡率预测方法，所述用于ICU死亡率预测的深度级联框架包括：体征子网络和疾病子网络，所述体征子网络包括多个对应于体征类型的节点，所述疾病子网络包括多个对应于疾病类型的节点，所述体征子网络和所述疾病子网络具有相互作用边，所述相互作用边为对应于所述疾病类型的节点与对应于所述体征类型的节点的连接边，其中，所述体征子网络和所述疾病子网络根据节点失效情况进行级联，所述体征子网络和所述疾病子网络均用于输出失效分布，以通过所述失效分布进行ICU死亡率预测。本发明的有益效果：能够方便对ICU患者死亡率进行预测，并使预测具有可解释性。
-
公开(公告)号：CN112183315A
公开(公告)日：2021-01-05
申请号：CN202011030408.5
申请日：2020-09-27
Applicant: 哈尔滨工业大学(深圳)
Abstract: 本发明提供了一种动作识别模型训练方法和动作识别方法及装置。训练方法包括：获取预设动作节点集合中的所有节点的节点数据；根据所述节点数据，计算所述节点集合中所有节点的连接边集合和每条连接边的边数据；根据所述节点数据和所述连接边的边数据，构建动作数据的图结构；以所述动作数据的图结构作为模型输入，表情识别分类结果作为模型输出，对预设的图卷积神经网络表情识别模型进行有监督训练；其中，以所述动作数据的图结构中的所述连接边的边数据作为模型输入。基于图结构来记录和计算动作数据，进一步提升了参与深度学习的有效数据量，可以获得更好的识别精度，且减少对样本数据精确度的依赖。
-
-
-
-
-
-
-
-
-
Search Results
33
records
(took 0.024 seconds)
