-
公开(公告)号：CN111320208A
公开(公告)日：2020-06-23
申请号：CN202010104855.4
申请日：2020-02-20
Applicant: 华南理工大学
Abstract: 本发明属于多金属氧酸盐制备技术领域，公开了一种光诱导原位聚集制备POMs的方法。将金属氧酸盐单体或过渡族金属氧化物溶解在氨水中，调节pH使多金属氧酸盐解聚合，保持单体形态，搅拌溶液至澄清；然后加入极性带羟基有机溶剂调节沸点，将所得溶液加工成未完全干燥的粉体、块体或薄膜状形态；然后在一定湿度的环境下，采用紫外线照射诱发金属氧酸盐单体发生聚集形成多金属氧酸盐。本发明方法为先加工后聚合，采用常规的溶液工艺路线先将金属氧酸盐单体根据应用需求加工成特定形态(粉体、块体或薄膜等)，然后在紫外线照射下原位诱导金属氧酸盐聚集成为POMs，解决了传统POMs加工特性差的问题。
-
公开(公告)号：CN111039572A
公开(公告)日：2020-04-21
申请号：CN201911396014.9
申请日：2019-12-30
Applicant: 华南理工大学
IPC: C03C17/25
Abstract: 本发明公开了一种纳米颗粒薄膜及其制备方法与应用。本发明通过将纳米颗粒分散于溶剂中，超声处理，边加入尿素溶液边搅拌，得到纳米颗粒悬浮液体系，将其旋涂于玻璃衬底上，进行热退火，得到纳米颗粒薄膜。本发明的制备方法将尿素作为分散剂降低悬浮液粒度，提高纳米颗粒分散性和悬浮液体系的稳定性；将尿素作为氧化剂，使纳米颗粒更好地与氧结合，提高薄膜致密性；同时，将尿素作为燃烧剂，在较低温度下即分解放热，使纳米颗粒充分烧结，降低纳米颗粒薄膜形成时所需要的热量，从而降低退火温度至100～300℃，提高薄膜致密性。本发明实现了低温制备粗糙程度低、密度高的纳米颗粒薄膜。
-
公开(公告)号：CN109620257A
公开(公告)日：2019-04-16
申请号：CN201811431066.0
申请日：2018-11-28
Applicant: 华南理工大学
IPC: A61B5/16
Abstract: 本发明提供了一种基于生物反馈的精神状态干预与调节系统，其特征在于：包括：投影模块、音频播放模块、生理信号采集模块和精神状态评估模块，以及用于根据精神状态评估模块得到的精神状态评估结果来调整场景源文件和音频源文件，并反馈到投影模块和音频播放模块的精神状态干预调节模块。该系统在被试者接受刺激状态下监测分析被试者精神状态，并根据精神状态调节刺激内容和强度，从而对被试者的情绪进行影响，进而对精神状态进行干预和调节，实现简便，具有良好实时性，效率高。本发明的另一个目的在于提供一种上述精神状态干预与调节系统的工作方法，该工作方法实现简便，精神状态调节具有良好实时性。
-
公开(公告)号：CN119770822A
公开(公告)日：2025-04-08
申请号：CN202411842202.0
申请日：2024-12-13
Applicant: 华南理工大学
Abstract: 本申请公开了一种可调节睡眠状态的眼罩、助眠系统及工作方法，本可调节睡眠状态的眼罩包括眼罩本体；脑电采集装置，其包括若干个电极，电极安装至眼罩本体并且能够与使用者的前额接触；综合采集装置，其包括脉搏血氧仪，脉搏血氧仪安装至眼罩本体并且能够与使用者的眼部接触，用于采集使用者的眼动信号、血氧和心率数据；骨传导振子，其安装至眼罩本体并且能够与使用者的颧突处接触，用于监测使用者的打鼾行为以及播放助眠音乐。本申请的眼罩通过脑电采集装置和综合采集装置采集使用者的脑电波以及眼动信号、血氧和心率等数据，同时还能够通过骨传导振子采集使用者的鼾声数据，对使用者的睡眠质量进行更全面的监测。本申请涉及助眠设备技术领域。
-
公开(公告)号：CN119770062A
公开(公告)日：2025-04-08
申请号：CN202411821224.9
申请日：2024-12-11
Applicant: 华南理工大学
Abstract: 本发明公开了一种可调节睡眠状态的脑波助眠音乐生成方法、装置、设备及介质，其中方法包括：获取脑电信号，对脑电信号进行预处理，获得睡眠时期样本；对睡眠时期样本进行睡眠阶段分析，获得睡眠状态；根据获得的睡眠状态音乐库中获取对应的专业助眠音乐；从脑电信号中提取特征，根据提取的特征生成实时脑波音乐；将专业助眠音乐和实时脑波音乐输入音乐风格迁移模型，学习实时脑波音乐与专业助眠音乐之间的相互迁移关系，并生成针对当前睡眠状态的脑波助眠音乐。本发明基于实时脑波音乐与专业的助眠音乐，生成对受试者的实时睡眠状态有调节状态的助眠脑波音乐，对受试者的不同睡眠状态有针对性的调节作用，在睡眠健康领域有着重要的应用价值。
-
Patent Agency Ranking
公开(公告)号：CN119152562B
公开(公告)日：2025-03-11
申请号：CN202411646839.2
申请日：2024-11-18
Applicant: 华南理工大学
IPC: G06V40/16 , G06N3/0464 , G06V10/44 , G06V10/80 , G06V10/82
Abstract: 本发明公开的一种基于双特征融合的微表情识别方法及系统，包括获取用于训练的微表情数据；使用微表情图像特征提取器获取微表情单帧特征；计算表情发生帧特征与峰值帧特征之间的梯度特征；计算表情发生帧与峰值帧之间的运动特征；获取加权融合后的梯度特征和运动特征，作为完整的微表情特征；使用分类器将完整的微表情特征输入分类器中以预测所属类别。本发明考虑了两种互补的特征，使用梯度特征学习模块计算微表情梯度特征，使用运动特征学习模块计算微表情运动特征。结合可学习的融合系数获得完整的特征。最后将特征输入分类器进行情感识别。
-
公开(公告)号：CN114722908B
公开(公告)日：2025-02-18
申请号：CN202210242204.0
申请日：2022-03-11
Applicant: 华南理工大学
IPC: G06V10/764 , G06V10/762 , G06V10/774 , G06V10/82 , G06N3/0895
Abstract: 本发明公开了一种基于增量式自训练框架的半监督宽度学习分类方法，框架包括初始化阶段，将所有未标记数据通过聚类方法和样本确定性大小形成有序的查询序列表，顺序选择部分数据初始化未标记数据池，同时使用初始标记数据训练基分类器，并标注未标记数据池中的数据；增量自更新阶段，根据选择度量值和设定阈值确定辅助训练数据并将其合并到标记训练数据集形成新的标记训练数据，用于更新基分类器；同时，顺序地从查询序列表中获取一批数据更新未标记数据池并用基分类器预测其新分类伪标签；重复增量自更新阶段，直到未标记数据池为空。本发明框架减少了大量重复运算，节省了资源，同时解决迭代造成的时间消耗问题，使其适用于大规模数据的应用。
-
公开(公告)号：CN117709969B
公开(公告)日：2024-08-27
申请号：CN202311760197.4
申请日：2023-12-20
Applicant: 华南理工大学 , 人工智能与数字经济广东省实验室(广州)
IPC: G06Q30/01 , G06N3/0455 , G06N3/0895 , G06N3/084
Abstract: 本发明提供了一种面向客服场景的生成匹配式大模型构建方法、介质及设备；该方法包括依次执行的模型设定阶段、预训练阶段、领域迁移阶段和下游微调阶段；预训练阶段是指：采用跨领域中文语料库的文本作为样本，对智慧客服大模型的大模型基座进行预训练；领域迁移阶段是指：采用客服场景数据作为样本；对智慧客服大模型的大模型基座进行弱监督训练；下游微调阶段是指：采用客服场景人工标注数据作为样本，对智慧客服大模型进行训练以学习新业务的相关知识。该方法分阶段逐步地实现和优化大模型的功能，使其具备深度挖掘大规模客服文本数据知识的能力，同时对新增的业务需求和变化的业务内容具备精准迁移和快速扩展的能力。
-
公开(公告)号：CN118247534A
公开(公告)日：2024-06-25
申请号：CN202410301073.8
申请日：2024-03-15
Applicant: 华南理工大学
IPC: G06V10/762 , G06V10/80 , G06V10/82 , G06N3/045 , G06N3/0895
Abstract: 本发明公开了一种基于多通道自适应滤波的图聚类方法，包括以下的步骤：通过图采样算法，将原始图数据中生成子图；将生成的各个子图分别输入多通道自适应图对比学习模块，根据各个子图表示的同配性自适应调整不同滤波器的占比，并通过图对比学习的方式，获取各个子图的表示；将各个子图的表示经过特征融合后采用聚类算法完成聚类任务。很好地适配异配图数据集。相较于单通道结构，本发明的多通道结构能充分利用低通信号和高通信号，并且能根据输入的图信号的不同自动调节不同信号的占比，在不同同配性的数据集都取得很好的效果。
-
公开(公告)号：CN118195025A
公开(公告)日：2024-06-14
申请号：CN202410250437.4
申请日：2024-03-05
Applicant: 华南理工大学
IPC: G06N20/00 , G06F18/213
Abstract: 本发明公开了一种鲁棒的数据增量宽度学习方法，包括以下步骤：初始批次数据输入特征提取模块，经过特征提取后的数据进入记忆模块生成记忆矩阵并储存，再通过权重计算模块得到初始模型的权重；增量数据通过增量特征提取模块提取增量特征，增量特征经过增量记忆模块生成增量记忆矩阵，记忆快速更新模块将增量记忆矩阵与所述的记忆矩阵融合，得到新的记忆矩阵并储存，新的记忆矩阵通过权重计算模块得到增量模型的权重；后续还有其他的增量数据，则重复上述中的流程，整个网络可以按照这样的方式持续进行动态更新。本发明记忆模块来存储宽度学习网络所学知识，以确保宽度学习网络在增量学习过程中不会遗忘先前学到的知识。
-
-
-
-
-
-
-
-
-
Search Results
163
records
(took 0.028 seconds)
