-
公开(公告)号：CN112287120A
公开(公告)日：2021-01-29
申请号：CN202011219474.7
申请日：2020-11-04
Applicant: 山东省人工智能研究院 , 山东省计算中心(国家超级计算济南中心)
Abstract: 一种基于强化学习的双系统知识图谱的知识推理方法，通过融合高精度的分布式表示推理的单步推理算法和强化学习策略路径，搭建用于推理的推理系统和用于评价的评价系统。训练完备的评价系统帮助推理系统训练，使得推理系统可以学习评价系统中的网络信息。基于训练完备的评价系统对推理系统的推理路径评价，完成路径推理。
-
公开(公告)号：CN111460953A
公开(公告)日：2020-07-28
申请号：CN202010221886.8
申请日：2020-03-26
Applicant: 山东省人工智能研究院 , 山东省计算中心(国家超级计算济南中心)
Abstract: 一种基于对抗域自适应学习的心电信号分类方法，使用多尺度特征提取模块提取的特征是高度域不变的，减少了域间差异，源域样本训练的模型也可以在目标域上更好的应用，网络训练结束后，保存最优模型，将新的心拍样本输入到保存的最优模型中，获得最终分类效果。使用多特征提取器可以增加特征的丰富性，更加全面的提取心电信号的细节信息，同时使用对抗域自适应学习的方法，可改善不同域样本分布不同的现象，获得高度概括源域样本和目标域样本之间的域不变特征，通过这些特征训练一个对目标域高度适用的分类模型，可提高数据分布不同的跨域心电信号的分类精度。
-
公开(公告)号：CN111436926A
公开(公告)日：2020-07-24
申请号：CN202010257349.9
申请日：2020-04-03
Applicant: 山东省人工智能研究院 , 山东省计算中心(国家超级计算济南中心)
IPC: A61B5/0402 , A61B5/0472 , A61B5/00
Abstract: 一种基于统计特征和卷积循环神经网络的房颤信号检测方法，通过对两种不同类型不同维度的特征进行融合，得到特征集，使用粒子群优化算法训练支持向量机，并使用带权重的支持向量机对心电信号进行分类，将统计特征和卷积循环神经网络结合起来，有效解决了目前房颤信号检测存在的问题，更加全面的概括了房颤信号的特征，提高了房颤限号检测的精确度。
-
公开(公告)号：CN111419220A
公开(公告)日：2020-07-17
申请号：CN202010227774.3
申请日：2020-03-27
Applicant: 山东省人工智能研究院 , 山东省计算中心(国家超级计算济南中心) , 山东大学齐鲁医院
Abstract: 一种基于共振稀疏分解的十二导联心电信号房颤检测方法，根据房颤信号的特点，利用共振稀疏分解对心电信号进行处理，将分解出的低共振分量部分送入神经网络中进行训练，逐个导联训练后通过投票算法（Voting）将各训练模型得出的概率进行联合运算，得到最终的检测结果，用于房颤检测时无需额外手工提取其他特征，网络结构简单，缩短了运算时间，可以实现实时房颤信号检测。针对房颤信号中“P波消失，出现F波”的表现特点，以共振稀疏分解为基础，突出房颤信号特点，通过简单的神经网络结构，保准准确率的基础上减少了运算时间。
-
公开(公告)号：CN111176302A
公开(公告)日：2020-05-19
申请号：CN202010145290.4
申请日：2020-03-04
Applicant: 山东省计算中心(国家超级计算济南中心)
IPC: G05D1/02
Abstract: 一种输入饱和的自动驾驶汽车路径跟踪控制方法，通过设计鲁棒H∞路径跟踪控制器，解决了自动驾驶汽车路径跟踪控制的网络时延和输入饱和问题，提高了车辆在极端行驶条件下的路径跟踪性能。通过对车辆侧向速度和横摆角速度的调节，在实现自动驾驶汽车路径跟踪控制的同时提高了车辆的操作稳定性。自动驾驶汽车鲁棒H∞路径跟踪控制增益矩阵可以通过求解线性矩阵不等式得到，计算简便。该路径跟踪控制设计综合考虑了车辆动力学模型的不确定性和外界扰动的影响，提高了路径跟踪控制算法的鲁棒性。通过设计静态输出反馈控制器，在实现理想的路径跟踪控制的同时，大大降低了控制系统的成本。
-
Patent Agency Ranking
公开(公告)号：CN110547786B
公开(公告)日：2020-05-05
申请号：CN201810555348.5
申请日：2018-06-01
Applicant: 山东省计算中心(国家超级计算济南中心)
IPC: A61B5/0402 , A61B5/0452 , A61B5/04
Abstract: 一种基于多尺度小波变换的心电图波形的形态识别方法，通过本基于多尺度小波变换的心电图波形的形态识别方法，相对于传统的心电图识别，本发明可以更精准的定位峰值位置和范围所在，通过本融合算法可以有效减少由于选择检测尺度不当或是P/T形态多变条件下检测P/T波所造成的损失。特别是对P/T波异常的心电图有更好的检测效果。本发明算法具有容错性高、精确度高等特点，特别是在P/T波检测中，可以有效避免由于P/T波能量集中频率不一致造成的错检和漏检，有效减少因检测不当所造成的误诊等情况。
-
公开(公告)号：CN110179453B
公开(公告)日：2020-01-03
申请号：CN201810555347.0
申请日：2018-06-01
Applicant: 山东省计算中心(国家超级计算济南中心)
IPC: A61B5/0402
Abstract: 一种基于卷积神经网络和长短期记忆网络的心电图分类方法，通过多导联心电图数据和卷积神经网络和长短期记忆网络（CNN‑LSTM）组合模型实现心律失常自动分类的方法。一方面多导联心电图较单导联心电图蕴含更多信息，另一方面CNN‑LSTM组合模型结合CNN和LSTM的优点，在学习空间数据结构和时间序列结构方面有着独特优势，利用多导联心电图数据训练CNN‑LSTM能够提高网络的学习效率和心电图识别的精度。
-
公开(公告)号：CN109359610A
公开(公告)日：2019-02-19
申请号：CN201811257725.3
申请日：2018-10-26
Applicant: 齐鲁工业大学 , 山东省计算中心(国家超级计算济南中心)
Abstract: 本发明公开了构建CNN-GB模型的方法及系统、数据特征分类方法，属于人工智能BCI技术领域，解决的问题是如何结合CNN模型和GB算法对脑电信号进行特征提取与分类识别，得到效能高的最优特征集，使其分类精确度高。其方法包括采集脑电数据；基于Caffe深度学习框架构建CNN网络模型；训练CNN网络模型；训练GB网络模型。其系统包括脑电数据采集模块、CNN网络配置模块和GB网络配置模块。其分类方法包括采集脑电数据；获得训练后的CNN网络模型和训练后的GB网络模型；由训练后的CNN网络模型对脑电数据进行特征提取，由训练后的GB网络模型对提取的特征进行分类。结合CNN模型和GB算法提高了分类精确度。
-
公开(公告)号：CN108992060A
公开(公告)日：2018-12-14
申请号：CN201810568552.0
申请日：2018-06-05
Applicant: 山东省计算中心(国家超级计算济南中心)
IPC: A61B5/0402
Abstract: 本发明公开一种基于LTI滤波与稀疏优化原理的ECG信号恢复方法，先将原始信号进行LTI滤波处理，本发明中选用LTI中的低通滤波进行相应处理，然后通过稀疏优化原理进行信号处理，最后合并形成我们所需要的去除噪音后的信号。在此过程中，通过低通滤波处理的信号能够快速滤除大部分高频噪音，但会对心电的形状发生改变，Q、S等波段会被削平。然后进行稀疏信号优化处理，得到原有波峰波谷信息并去除其他噪音，保证ECG信号的真实性，即在充分抑制ECG中的噪音的同时保护信号细节。
-
公开(公告)号：CN117357129B
公开(公告)日：2024-06-04
申请号：CN202311499058.0
申请日：2023-11-13
Applicant: 齐鲁工业大学(山东省科学院) , 山东省计算中心(国家超级计算济南中心) , 山东省人工智能研究院
Abstract: 一种针对可穿戴式设备的心电图QRS波形检测方法，涉及心电信号处理技术领域，使用了一个新的心电信号波形检测网络S2TE_Net，该网络使用了时空特征提取模块和激励挤压模块相结合，以实现对QRS波形的准确检测。在时空特征提取模块中，使用了卷积神经网络(CNN)和双向长短期记忆网络(Bi‑LSTM)的结合体。CNN可以捕捉时间序列数据中的空间特征，Bi‑LSTM可以捕获ECG信号中存在的时间特征并平滑高频噪声，从而在可穿戴式设备中获得更准确的QRS波形检测结果。
-
-
-
-
-
-
-
-
-
Search Results
167
records
(took 0.068 seconds)
