-
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：CN116309382A
公开(公告)日：2023-06-23
申请号：CN202310165685.4
申请日：2023-02-24
Applicant: 中国科学院计算技术研究所
IPC: G06T7/00 , G06V10/764 , G06N3/08 , G06V10/82 , G06V10/774 , G06N3/049 , G06N3/0464
Abstract: 本发明提出一种基于时间敏感自注意力机制的智能决策支持方法和系统。以对医生或患者提供患病概率决策支持，使用Transformer网络结构来预测可一次性输入多张图片，提高训练速度，由于Transformer网络本身不能编码不等长时序图像的时间信息，因此本发明进一步提出了时间敏感的自注意力模块和多头注意力模块，编码时间信息，大大提高了预测的准确率。另外，现有方法在预测时并未给出患病的时刻，针对这一问题，本发明提出条件预测网络，通过将时刻信息作为条件输入网络，这使得发明人提出的方案具备预测给定时刻的患病概率的能力。
-
公开(公告)号：CN111178408B
公开(公告)日：2023-06-20
申请号：CN201911317900.8
申请日：2019-12-19
Applicant: 中国科学院计算技术研究所
IPC: G06F18/2431 , G16H80/00
Abstract: 本发明涉及一种基于联邦随机森林学习的健康监护模型构建方法，包括：于任一客户端，对本地的当前数据集进行分类，以构建客户端决策树的当前节点，获取该当前节点的分裂属性、分裂值和信息增益为该客户端的中间结果，并将该中间结果发送至协作端；于该协作端，从所有客户端的中间结果中选取具有最大信息增益者对应的分裂属性和分裂值作为分裂信息，并将该分裂信息分发至所有客户端；于任一该客户端，根据该分裂信息对本地的当前数据集进行划分；并以划分后的当前数据集构建本地的当前节点的左右子树；重复顺序执行上述步骤以进行迭代，直到该当前节点满足迭代终止条件，以当前的客户端决策树组成的随机森林模型为客户端健康监护模型。
-
公开(公告)号：CN116138755A
公开(公告)日：2023-05-23
申请号：CN202211411382.8
申请日：2022-11-11
Applicant: 中国科学院计算技术研究所
IPC: A61B5/022 , A61B5/00 , G06F18/2431 , G06F18/214
Abstract: 本发明提供了一种构建用于无创血压监测的模型的方法以及可穿戴设备，方法包括A1、获取源域训练集和目标域训练集，任意一个训练集均包括多个样本和指示每个样本对应血压真值的标签，每个样本为一个被测人员在一段时间中多个模态的生理信号；A2、利用源域训练集对用于从多种模态的生理信号提取样本特征的多模态编码器和用于根据样本特征输出血压预测值的回归层进行训练；A3、利用经步骤A2训练的多模态编码器从目标域训练集的样本提取样本特征，利用目标域训练集的样本对应的样本特征以及标签对用于输出血压预测值的非线性回归器进行训练；A4、将经步骤A2训练的多模态编码器和经步骤A3训练的非线性回归器进行组合，构建用于无创血压监测的模型。
-
公开(公告)号：CN111640187B
公开(公告)日：2023-05-02
申请号：CN202010310346.7
申请日：2020-04-20
Applicant: 中国科学院计算技术研究所
IPC: G06T17/20 , H04N21/234 , H04N21/44
Abstract: 本发明提出一种基于插值过渡的视频拼接方法及系统，包括：统一视频前后的对象尺寸、查找最佳拼接点的位置、统一视频前后的光照亮度和对象位置，计算插值过渡图像的数量以及生成插值过渡图像序列。本发明提出的技术方案具有视频过渡平滑流畅，以及速度快，实时性强的技术效果。
-
Patent Agency Ranking
公开(公告)号：CN116030317A
公开(公告)日：2023-04-28
申请号：CN202211716818.4
申请日：2022-12-29
Applicant: 中国科学院计算技术研究所
IPC: G06V10/774 , G06V10/764 , G06N20/00
Abstract: 本发明提出一种基于DMA‑MaaS联邦学习平台的模型训练方法和系统，包括：上传训练数据至联邦学习平台，联邦学习平台对训练数据进行检查并添加到数据池；上传任务至联邦学习平台，联邦学习平台将公开的任务加入到公共任务池以供其他用户端选择；通过选择自己发起的任务或在公共任务池中选择任务，判断选择的任务类型是否为联邦学习，若是则在用户端所在用户设备本地基于训练数据执行联邦学习，将学习得到的模型参数和结果返回到联邦学习平台进行参数聚合，直到聚合后的模型达到所需性能，否则联邦学习平台基于训练数据，在云端执行非联邦学习。本发明通过MaaS功能，缓解联邦平台用户侧的异质性，完成数据、任务、算法、模型的管理和创建发挥联邦模型价值。
-
公开(公告)号：CN114027786B
公开(公告)日：2023-04-18
申请号：CN202110917103.4
申请日：2021-08-11
Applicant: 中国科学院计算技术研究所 , 鹏城实验室
IPC: A61B5/00 , G06N3/0464 , G06N3/0455 , G06N3/048 , G06N3/0895 , G06F18/2415
Abstract: 本发明提出一种基于自监督式记忆网络的睡眠呼吸障碍检测方法和系统，利用自监督学习模块丰富正常数据并从正常数据中学习一种通用模式，还引入了一种自适应记忆融合网络，包括全局记忆模块、局部记忆模块和自适应融合模块，分别通过全局和局部记忆模块学习正常数据的共有特征和特有特征，最后采用自适应融合模块将共有特征和特有特征融合到最终的特征表示中，将其用于重构输入数据。本发明实现了无监督的端到端模型训练方法，即无需异常数据就能够完成训练。
-
公开(公告)号：CN115953653A
公开(公告)日：2023-04-11
申请号：CN202111657111.6
申请日：2021-12-31
Applicant: 中国科学院计算技术研究所
IPC: G06V10/778 , G06V10/776 , G06V10/82 , G06N3/04 , G06N3/08
Abstract: 本发明公开了一种基于知识重要性的类别增量行为识别模型构建方法以及行为识别方法。本发明针对增量学习过程中灾难性遗忘和长尾数据集中类别不平衡的问题，首次提出了利用权重子集获得混合权重从而使教师模型自主识别重要性知识的判断方法，达到保留旧数据中的重要性知识，实现了在增量学习过程中，学生网络可以根据教师网络的判别效果自动更新自适应，从而在一定程度上缓解了灾难性遗忘问题；同时通过限制权重子集的范围，也解决了长尾数据集中类别不平衡的问题。
-
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：CN115657856A
公开(公告)日：2023-01-31
申请号：CN202211410562.4
申请日：2022-11-11
Applicant: 中国科学院计算技术研究所
IPC: G06F3/01 , G01S3/14 , H04W4/80 , G06F18/2411
Abstract: 提供一种设备选择系统与方法，所述系统包括头戴式装置，所述头戴式装置上布置有无线传感器阵列，所述无线传感器阵列包括至少两个无线传感器，用于接收环境中的设备发出的无线信号；所述头戴式装置被配置为：基于所述无线传感器阵列接收到的所述环境中的设备发出的无线信号计算对应的设备的来波方向角；基于用户的选择动作计算其相对于所述头戴式装置的方向；以及基于所述设备的来波方向角和所述用户的选择动作的方向，选择目标设备。
-
-
-
-
-
-
-
-
-
Search Results
321
records
(took 0.043 seconds)
