-
公开(公告)号：CN116999027A
公开(公告)日：2023-11-07
申请号：CN202310969606.5
申请日：2023-08-03
Applicant: 中国科学院计算技术研究所
IPC: A61B5/00 , A61B5/1455
Abstract: 本发明提供了一种用于辅助筛查轻度认知障碍的系统，包括：第一模态检验模块，用于获取被试者的认知分数向量，根据认知分数向量确定第一和第二置信度，认知分数向量由被试者在至少两种认知量表上测试的得分组成；第二模态检验模块，用于获取由多个脑部电极从被试者采集的多通道近红外时序数据，将多通道近红外时序数据转换为格里姆角场图像，根据从格里姆角场图像提取的融合特征确定第三和第四置信度，其中，第一置信度表和第三置信度指示认知能力正常的概率，第二置信度表和第四置信度指示存在轻度认知障碍的概率；融合模块，用于对第一置信度和第三置信度进行融合得到第五置信度，以及，对第二置信度和第四置信度进行融合得到第六置信度。
-
公开(公告)号：CN113128667B
公开(公告)日：2023-10-31
申请号：CN202110363771.7
申请日：2021-04-02
Applicant: 中国科学院计算技术研究所
IPC: G06N3/0464 , G06N3/096 , G06N3/084
Abstract: 本发明公开一种跨域自适应的图卷积平衡迁移学习方法，包括：将源域数据和目标域数据输入第一图卷积神经网络，分别得到源域数据和目标域数据中节点的局部特征；将源域数据和目标域数据输入第二图卷积神经网络，分别得到源域数据和目标域数据中节点的全局特征；利用注意力机制将源域数据和目标域数据中节点的局部特征和全局特征进行聚合，得到源域数据和目标域数据中节点的统一特征；基于源域数据和目标域数据中节点的统一特征，构建源域分类器和目标域分类器分别对源域数据和目标域数据中节点进行分类，构建领域分类器用于判定节点来自源域数据或者目标域数据。
-
公开(公告)号：CN116756571A
公开(公告)日：2023-09-15
申请号：CN202310779069.8
申请日：2023-06-28
Applicant: 中国科学院计算技术研究所
IPC: G06F18/214 , G06F18/24 , G06F18/25 , G06F17/14 , G06N3/0464 , G06N3/08
Abstract: 本发明提供了一种基于时频融合增强的行为识别模型训练方法，包括：A1、获取训练集，其中原始样本是传感数据，标签指示对应传感数据被采集时人体的行为类别；A2、将训练集划分成多个批次，分批次迭代训练行为识别模型的特征提取器，每批次训练包括：A21、对每个原始样本分别进行时域增强和时域增强后融合，A22、基于各个原始样本及对应的时频增强样本，通过对比学习的方式训练所述特征提取器根据输入的样本提取样本特征，拉近原始样本及其对应的时频增强样本的样本特征的距离以及拉远原始样本与其他样本的样本特征的距离；A3、获取行为识别模型，其包括经步骤A2训练的特征提取器和分类器，利用所述训练集对所述行为识别模型进行分类训练。
-
公开(公告)号：CN113128955B
公开(公告)日：2023-09-12
申请号：CN202110360041.1
申请日：2021-04-02
Applicant: 中国科学院计算技术研究所
Abstract: 本发明提出一种基于智能度量的电子政务处理方法，包括：以回声状态网络构建政务网络，以用户任务数据为该政务网络的输入层的输入向量，将参与用户任务的政务部门加入该政务网络的储备池；初始化该政务网络的连接权重和状态反馈权重；通过历史用户任务数据对该政务网络进行训练得到电子政务平台；根据该电子政务平台的平台评估度量，生成对用户请求任务的处理流程，根据该政务部门内员工的人员评估度量，分配对该用户请求任务的处理人员，并进行用户请求任务处理。还提出一种基于智能度量的电子政务处理系统，以及应用该电子政务处理方法的数据处理装置。
-
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。
-
Patent Agency Ranking
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。
-
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。
-
-
-
-
-
-
-
-
-
Search Results
324
records
(took 0.049 seconds)
