-
公开(公告)号：CN115844326A
公开(公告)日：2023-03-28
申请号：CN202211459859.X
申请日：2022-11-16
Applicant: 杭州电子科技大学
Abstract: 本发明公开一种基于关键脑网络的自适应睡眠分期方法及系统。通过多通道脑电采集设备采集脑电信号数据；对采集的脑电信号数据进行预处理；对预处理后的脑电信号数据提取节点特征和边特征，构建全连接的加权有向图，即动态效应脑网络；构建融合时空信息的关键脑网络；利用自适应睡眠分期识别模型实现对脑电信号的睡眠分期识别。本发明使用了不同于以往的结构脑网络或功能脑网络对睡眠分期进行分析，而使用了效应脑网络，即有向图，考虑到大脑信息交互的方向性的同时，使用注意力机制对有向图进行关键边特征和节点特征选取，从而使用自适应睡眠分期识别模型达到了更准确的睡眠分期识别结果。
-
公开(公告)号：CN115392302A
公开(公告)日：2022-11-25
申请号：CN202210974787.6
申请日：2022-08-15
Applicant: 杭州电子科技大学
Abstract: 本发明公开了一种基于融合图卷积网络的脑电情绪识别方法；该脑电情绪识别方法如下：一、对被测对象进行脑电采集，提取所得脑电信号中各通道的目标特征，作为被识别数据。二、根据步骤一得到的被识别数据，计算两个通道之间的物理信息矩阵、相关性矩阵、因果关系矩阵。三、构建邻接矩阵。四、构建正则化矩阵。五、对目标特征和正则化矩阵L进行图卷积操作，完成特征提取。六、将步骤五所得特征输入经过训练的深度可分离卷积网络，所得特征图输入全连接层，进行分类，得到被测对象进行脑电采集时的情感类别。本发明对图卷积的邻接矩阵做融合处理，使邻接矩阵包含多元化的信息，而不再是仅拥有单一的信息，进一步提高了模型情绪分类的准确率。
-
公开(公告)号：CN113990441A
公开(公告)日：2022-01-28
申请号：CN202111414297.2
申请日：2021-11-25
Applicant: 杭州电子科技大学
Abstract: 本发明公开了一种基于生物动力学的下肢膝关节主动肌肌电拟合方法，本发明通过角度信号和肌纤维募集模型求得意图相关肌电；再次，通过身高、体重和角度求得运动过程中产生的有用力矩，随后通过逆hill肌力模型求得肌力相关肌电；然后，通过初始静息肌肉长度和角度求得运动过程中肌肉长度，随后，通过肌梭反馈模型求得肌长度相关肌电；最后，使用不同运动阶段配置对应模型的策略和含有损失函数的最小二乘搜索参数法将三种肌电融合，再与白噪声融合后就可以得到最终肌电。本发明有着具有全面性，误差低，拟合效果好，具有生理意义，子模型生成的肌电稳定且符合子模型含义等特点。
-
公开(公告)号：CN110321835A
公开(公告)日：2019-10-11
申请号：CN201910584659.9
申请日：2019-07-01
Applicant: 杭州创匠信息科技有限公司 , 杭州电子科技大学
Abstract: 本发明涉及一种人脸门禁方法、系统及设备，属于人工智能和计算机视觉技术领域。该方法中，对每个员工生成单独的人脸模型，在进行人脸识别时，只需要在人脸库中识别欧式距离在阈值范围内的人脸模型，方便、快捷，其响应速度快、方便部署，针对每个员工生成单独的人脸模型，当公司人员发生变化的时候，可以非常灵活机变地增减小模型数量，数据更新也非常的便捷，并且资源占用量少，更新的同时不会影响门禁系统的同步使用。解决了现有技术中，需要训练统一模型，在人脸数据多时，费时、响应慢、部署难度大的问题。
-
公开(公告)号：CN110276320A
公开(公告)日：2019-09-24
申请号：CN201910561336.8
申请日：2019-06-26
Applicant: 杭州创匠信息科技有限公司 , 杭州电子科技大学
Abstract: 本发明涉及一种基于人脸识别的门禁方法、装置、设备和存储介质，其中，门禁方法包括：采集门禁区域图像；利用预先训练的人脸检测模型对采集的门禁区域图像检测人脸；如果检测到人脸，对所述门禁区域图像中的人脸区域，利用预先训练的卷积神经网络模型进行人脸特征提取，得到所述门禁区域图像对应的人脸特征向量；所述卷积神经网络模型的卷积层的层数小于或者等于预设层数；将所述门禁区域图像对应的人脸特征向量与预先构建的人脸数据库中的预存人脸特征向量进行比对；如果所述人脸数据库中存在与所述门禁区域图像对应的人脸特征向量匹配的预存人脸特征向量，解除门禁。两个模型的内存占用量仅几百kB，完全可以在设备本地进行存储和计算。
-
Patent Agency Ranking
公开(公告)号：CN103300850A
公开(公告)日：2013-09-18
申请号：CN201310137847.X
申请日：2013-04-19
Applicant: 杭州电子科技大学
IPC: A61B5/0476
Abstract: 本发明涉及一种中风病人脑电信号采集与处理的方法。本发明首先加载多种不同类型的脑电采集设备，其次加载算法链，然后脑电信号处理，最后控制康复器械。其中脑电信号处理包括信号预处理、信号特征提取和信号分类。本发明采用设备驱动注册机制，可加载多种不同类型的信号采集设备，方便不同医院使用不同设备开展康复训练。
-
公开(公告)号：CN103268149A
公开(公告)日：2013-08-28
申请号：CN201310138896.5
申请日：2013-04-19
Applicant: 杭州电子科技大学
Abstract: 本发明涉及一种基于脑机接口的实时主动式系统控制方法。本发明包括EEG信号采集阶段、信号处理阶段和控制器械工作。其中信号处理阶段包括EEG信号特征离线分析、脑电信号特征实时提取和分类决策。控制器械工作包括脑电信号采集系统和计算机软件系统。本发明通过相应的信号处理机制以及综合分类决策实现了实时性，通过在传统机械的基础上改装串口通信设备实现了主动性。
-
公开(公告)号：CN103258120A
公开(公告)日：2013-08-21
申请号：CN201310137455.3
申请日：2013-04-19
Applicant: 杭州电子科技大学
IPC: G06F19/00 , A61B5/0476
Abstract: 本发明涉及一种基于脑电信号的中风康复程度指标计算方法。本发明首选被试根据提示执行左/右手运动想象任务，使用多通道脑电信号采集设备采集被试执行运动想象任务时的脑电信号。然后使用去公共平均参考方法降低公共噪声的水平，使用独立成分分析方法消除眼电伪迹，提高脑电信号的信噪比，使用巴特沃斯滤波器提取与运动想象任务密切相关的频段的数据用于以后的分析。最后计算脑功能网络的聚合系数、全局效率属性；计算运动想象任务执行的正确率；使用脑功能网络属性和运动想象任务正确率作为康复程度指标，把计算结果保存到专用数据库。本发明具有不受意志干扰，客观性强的优点。通过该方法可以获得一个客观的评估依据。
-
公开(公告)号：CN118260672B
公开(公告)日：2025-05-09
申请号：CN202410462478.X
申请日：2024-04-17
Applicant: 杭州电子科技大学
IPC: G06F18/2415 , G06F18/213 , G06F3/01 , G06N3/0464 , G06N3/047 , G06N3/048 , G06N3/094 , A61B5/369 , A61B5/00 , A61M21/00
Abstract: 本发明公开了一种基于多被试数据合并对抗训练的运动想象解码方法，该解码方法采用多被试数据合并对抗训练运动想象分类模型，交替使用正向训练与逆向训练来训练运动想象分类模型，使模型专注于运动想象任务的特征提取，在跨时段和跨被试方面具有更好的鲁棒性，解决了多被试合并训练运动想象分类模型时准确率较低的问题，有效地提高多被试数据合并时的训练效果，在现实应用如卒中康复当中更具实用性；同时，本发明拓宽了模型训练数据的获取来源，减少了单个被试需要采集的数据量，能够缓解脑电数据采集困难，训练样本匮乏的问题；同时，与传统一对一的模型训练方式相比，本发明的分类准确率较高。
-
公开(公告)号：CN119886258A
公开(公告)日：2025-04-25
申请号：CN202510024107.8
申请日：2025-01-07
Applicant: 杭州电子科技大学
Abstract: 本发明公开了一种基于梯度和权重变化的非结构化剪枝方法，其训练神经网络过程中进行剪枝操作，无需在神经网络剪枝后进行重训练，降低了在使用神经网络进行实际预测过程中的计算资源；同时，在对神经网络进行剪枝的过程中，根据神经网络每个节点的权重和梯度，分别获取每个节点的连接系数、排序系数和综合评分，通过排序后的连接系数对神经网络每一层中的节点进行裁剪，通过排序系数和综合评分对神经网络中被裁剪后的节点进行恢复，避免了神经网络的过度波动，确保训练的稳定性和鲁棒性，避免过早固定参数，增强了网络的泛化能力；同时，恢复的节点还能够优化神经网络反向传播中的梯度更新过程，从而提高裁剪后神经网络的准确度。
-
-
-
-
-
-
-
-
-
Search Results
87
records
(took 0.027 seconds)
