特征自适应的动作识别方法

    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

    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。

    一种设备选择系统与方法
    83.
    发明公开

    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

    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。

    面向行为识别的迁移学习方法及系统

    公开(公告)号:CN112861679B

    公开(公告)日:2023-01-20

    申请号:CN202110123629.5

    申请日:2021-01-29

    Abstract: 本发明提供了一种面向行为识别的迁移学习方法和系统,该方法依据基于熵减的最优传输方案确定待标定的数据的标签,其中,基于熵减的最优传输方案中包括对源域数据的标签类别比例的熵进行限制。本发明中的迁移学习方法和系统能够在目标域数据类别少于源域数据类别的情况下,使得源域中分布的类别相对集中,源域分布与目标域更加匹配,从而有效减少负迁移,更鲁棒、准确地获取目标域待标定数据标签。

    一种对混合噪声鲁棒的联邦学习方法及系统

    公开(公告)号:CN115577803A

    公开(公告)日:2023-01-06

    申请号:CN202211248244.2

    申请日:2022-10-12

    Abstract: 本发明提出一种对混合噪声鲁棒的联邦学习方法,包括:将客户端根据本地训练数据和主观逻辑损失函数更新的本地度量模型参数发送给服务端;获取服务端根据客户端以及其他客户端更新的本地度量模型参数和对应的样本数据量计算的全局度量模型参数;由客户端根据全局度量模型参数和本地训练数据,计算每一训练样本的主观逻辑损失及本地高斯混合分布并发送给服务端;获取服务端根据多个本地高斯混合分布计算的区间阈值,并基于区间阈值和本地高斯混合分布对训练数据进行混合噪声识别,进而对识别的开集噪声、闭集噪声分别进行过滤和修正。本发明还提出一种对混合噪声鲁棒的联邦学习系统,以及一种用于联邦学习的数据处理装置。

    基于自适应调整权重的数据隐私保护方法及系统

    公开(公告)号:CN115495771A

    公开(公告)日:2022-12-20

    申请号:CN202210798075.3

    申请日:2022-07-06

    Abstract: 本发明提出一种基于自适应调整权重的数据隐私保护方法和系统,解决了面向非独立同分布数据带来的模型性能下降和收敛速度变慢的问题,属于联邦学习应用技术领域。包括:在每一轮联邦通信开始时,服务器端利用辅助数据集评估全局模型类别层面的可信度,将可信度矩阵和全局模型参数下发到参与该轮联邦的客户端中;客户端根据本地私有数据集评估全局模型样本层面的可信度,进行知识蒸馏时利用类别可信度和样本可信度进行加权,动态指导本地模型的训练过程,并上传更新后的本地模型参数至服务器端;服务器端加权聚合各本地模型参数更新全局模型。

    一种基于迁移学习的血压预测模型训练方法及预测方法

    公开(公告)号:CN115470903A

    公开(公告)日:2022-12-13

    申请号:CN202211284460.2

    申请日:2022-10-17

    Inventor: 陈益强 秦欣 卢旺

    Abstract: 本发明提供一种基于迁移学习的血压预测模型训练方法,所述血压预测模型包括低层特征提取器、高层特征提取器、预测器,所述方法包括:S1、采用源域数据集训练神经网络模型至收敛获得通用模型,其中,所述源域数据集包括多个金标准血压值及每个金标准血压值对应的基于可穿戴传感器获得的人体数据,以人体数据为样本、其对应的金标准血压值为标签构成源域数据集的训练样本;S2、获取目标对象的目标域数据集;S3、采用源域数据集和目标域数据集对步骤S1中获得的通用模型进行迁移训练至收敛获得目标对象的血压预测模型。本发明基于迁移学习对通用模型进行微调,微调后的模型解决了用户血压个性化预测的问题,实现了用户血压精准预测。

    一种联邦学习方法及领域泛化联邦系统

    公开(公告)号:CN115456200A

    公开(公告)日:2022-12-09

    申请号:CN202211187661.0

    申请日:2022-09-28

    Inventor: 陈益强 卢旺 秦欣

    Abstract: 一种联邦学习方法及领域泛化联邦系统。本发明提供一种联邦学习方法,包括服务端将初始化的服务端模型发给多个客户端作为客户端模型,服务端和客户端配合完成多轮训练,得到最终的服务端模型和客户端模型,每轮包括:S1、每个客户端根据本地训练集训练最新得到的客户端模型,得到本轮训练后的客户端模型;S2、服务端确定每个位置的参数在本轮所有训练后的客户端模型中更新方向的一致性指标,对一致性指标满足预设条件的参数进行聚合,以更新当前的服务端模型的参数,得到更新的服务端模型;S3、每个客户端基于本轮训练前的和训练后的客户端模型以及当前轮获得的服务端模型确定训练后的客户端模型的通用参数,根据当前轮次的服务端模型更新通用的参数,得到当前轮更新后的客户端模型。

    基于细粒度迁移的跨场景认知能力评估方法及系统

    公开(公告)号:CN114417969A

    公开(公告)日:2022-04-29

    申请号:CN202111551153.1

    申请日:2021-12-17

    Abstract: 本发明提出一种基于细粒度迁移的跨场景认知能力评估方法,包括:以用户在第一场景下的认知数据为源域数据,以该用户在第二场景下的认知数据为目标域数据;以源域数据集为训练集,训练随机森林分类器,生成源域模型;获得该个体分类器对目标域数据集的测试准确率,以及从源域特征到目标域特征的信息增益差;根据该测试准确率和该信息增益差,将所有该个体分类器聚类为多个簇;对各簇中的个体分类器采用对应的生长机制进行更新,获得目标域模型;通过该目标域模型对该用户在该第二场景下的认知能力进行评估。本发明还提出一种基于细粒度迁移的跨场景认知能力评估系统,以及一种数据处理装置。

Patent Agency Ranking