公开(公告)号：CN109063722A

公开(公告)日：2018-12-21

申请号：CN201810588551.2

申请日：2018-06-08

Applicant: 中国科学院计算技术研究所

Inventor： 陈益强 ,  谷洋 ,  蒋鑫龙 ,  王记伟

IPC: G06K9/62

CPC classification number: G06K9/6221 ,  G06K9/6262

Abstract: 本发明涉及一种基于机会感知的行为识别方法，包括：模型建立步骤，通过可穿戴传感器采集用户行为的初始数据，对该初始数据进行处理以构建用于识别该用户行为的感知模型；数据感知步骤，通过该可穿戴传感器采集该用户行为的增量数据；数据选择步骤，对该增量数据进行筛选，以从中获取机会数据；机会计算步骤，以该机会数据对该感知模型进行更新。

公开(公告)号：CN105447504A

公开(公告)日：2016-03-30

申请号：CN201510751897.6

申请日：2015-11-06

Applicant: 中国科学院计算技术研究所

Inventor： 陈益强 ,  忽丽莎 ,  谷洋 ,  王晋东 ,  王双全

IPC: G06K9/62

CPC classification number: G06K9/6256 ,  G06K9/6267

Abstract: 本发明提供一种交通模式行为识别模型构建方法，包括：1)对具体交通模式行为进行多层次的归类，建立相应的分类树；2)对于分类树中每一个父节点的分类问题，基于随机森林模型，根据识别精度选择对应该分类问题的测试样本的最优特征集；3)对于分类树中每一个父节点的分类问题，基于步骤2)所得出的该父节点所对应的最优特征集，选择一个最优分类模型作为该父节点所对应的子分类模型。本发明还提供了相应的交通模式行为识别方法。本发明能够更加准确地区分具体的交通模式行为，且计算复杂度较小。

公开(公告)号：CN119598168A

公开(公告)日：2025-03-11

申请号：CN202411682122.3

申请日：2024-11-21

Applicant: 鹏城实验室

Inventor： 王耀威 ,  李嘉豪 ,  陈益强 ,  谷洋 ,  蓝湘源

IPC: G06F18/213 ,  G06N3/045 ,  G06N3/08 ,  G06F18/25 ,  G06N5/04

Abstract: 本申请提供了一种基于注意力和记忆机制的特征处理方法以及相关设备，方法包括：获取目标深度学习单元当前时刻对应的待输入数据；对当前输入数据进行编码处理和维度压缩，得到多个压缩向量；基于查询投影矩阵、键投影矩阵和值投影矩阵计算多个压缩向量对应的注意力权重，并根据多个注意力权重得到局部特征向量；基于记忆矩阵计算局部特征向量对应的多个全局特征向量，并对多个全局特征向量进行加权计算，得到多个记忆特征向量；对多个记忆特征向量进行特征融合以及维度还原，得到重构数据，以使目标深度学习单元基于重构数据进行训练，执行对应的深度学习任务，能够有效捕捉长时输入数据中的长期依赖关系，进而提高其模型性能。

公开(公告)号：CN120070944A

公开(公告)日：2025-05-30

申请号：CN202510020560.1

申请日：2025-01-06

Applicant: 鹏城实验室

Inventor： 蒋冬梅 ,  陈灵星 ,  谷洋 ,  陈益强 ,  郭易 ,  王耀威

IPC: G06V10/764 ,  G06V10/74 ,  G06V10/40 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/08

Abstract: 本申请实施例提供了一种图像分类方法、图像分类模型的训练方法以及相关设备，属于人工智能技术领域。图像分类方法包括：获取初始样本，初始样本包括初始新类样本和多个初始基类样本；将初始样本输入初始图像分类模型中，并由预设的复合度量函数确定的相似性矩阵，从多个初始基类样本中选定目标基类样本；根据目标基类样本、以及目标基类样本相应的相似性矩阵，对初始新类样本进行动态校正，得到目标新类样本；利用目标新类样本对初始图像分类模型进行训练，直至达到训练停止条件，得到训练好的图像分类模型；获取待分类的目标图像，将目标图像输入训练好的图像分类模型中，得到相应的目标分类结果。本申请能够提高图像分类的准确度。

公开(公告)号：CN117349789A

公开(公告)日：2024-01-05

申请号：CN202311245428.8

申请日：2023-09-25

Applicant: 鹏城实验室

Inventor： 蒋冬梅 ,  李斐 ,  王耀威 ,  陈益强 ,  谷洋

IPC: G06F18/25 ,  G06F18/2415 ,  G06N3/0455 ,  G06N3/0464 ,  G06N3/08 ,  G16H50/70 ,  G06F123/02 ,  G06N3/048

Abstract: 本申请涉及人工智能领域，提供了一种时间序列预测方法、装置、设备以及介质，该方法通过预构建第一编码器从时间序列数据集中的单条事件记录信息中提取局部特征向量，由每条事件记录信息的局部特征向量得到时间序列的局部特征向量集合，再将局部特征向量集合输入至预构建的第二编码器，由第二编码器根据局部特征向量集合生成全局特征向量，融合局部特征向量和全局特征向量之后即可进行时间序列预测，最大程度地减少人工干预，自动实现单条事件记录的局部特征提取以及全局时间序列特征提取，且自动提取过程贯穿单条事件记录的处理阶段和全局时间序列的处理阶段，能够提高时间序列预测方法的执行效率以及预测精度。