-
公开(公告)号：CN119128076A
公开(公告)日：2024-12-13
申请号：CN202411135988.2
申请日：2024-08-19
Applicant: 安徽大学 , 安徽省安庆市中级人民法院 , 北京华宇信息技术有限公司
IPC: G06F16/332 , G06F16/338 , G06F16/33 , G06F16/901 , G06Q50/18 , G06N3/042 , G06N3/045 , G06N3/0464
Abstract: 本发明属于自然语言处理技术领域，尤其涉及一种基于课程学习的司法类案检索方法及系统。该方法的过程如下：提取司法数据库中的每个司法案例的五个关键要素；以关键要素为节点，要素间的关联关系为边，将司法数据库转换为图；利用转换的图对案例匹配模型进行初级训练；利用K‑core算法将图划分为不同规模的子图，从子图获取初级课程训练案例对和高级课程训练案例对，并利用其对案例匹配模型进行两轮基于课程学习的初级和高级训练；由案例匹配模型生成查询案例的邻接矩阵；进而确定候选案例。计算查询案例与各个候选案例的相似度，对候选案例按相似度排序后输出。本发明解决现有类案检索无法识别文本语义关联、检索的准确性度不高的技术问题。
-
公开(公告)号：CN119055253A
公开(公告)日：2024-12-03
申请号：CN202411557705.3
申请日：2024-11-04
Applicant: 安徽大学
Abstract: 本申请涉及一种跨场景听觉注意力解码模型的生成方法、装置和电子设备，其中，该生成方法包括：获取源域脑电信号和目标域脑电信号，源域脑电信号和目标域脑电信号分别为受试者在不同场景下产生的脑电信号；通过源域脑电信号对听觉注意力解码模型进行预训练，通过目标域脑电信号对预训练后的听觉注意力解码模型进行域适应训练。本发明提出的跨场景听觉注意力解码模型的生成方法，采用正则化损失（SRL）作为域适应损失，可以最小化不同场景间的数据差异，从而减少领域偏移，可以生成适应不同场景的听觉注意力解码模型，解决了传统听觉注意力解码模型的生成方法，无法生成能够适应不同场景的听觉注意力解码模型的问题。
-
公开(公告)号：CN118940031A
公开(公告)日：2024-11-12
申请号：CN202410965778.X
申请日：2024-07-18
Applicant: 安徽大学
IPC: G06F18/214 , G06F18/241 , G06F18/20 , G06N3/0464 , G06N3/0442
Abstract: 本发明公开了一种基于扩散增强的多尺度时空感知的脑电数据扩增方法，包括以下步骤：S1：采集用户的脑电数据进行预处理，并转化为二维矩阵阵列；S2：将所有用户的数据进行对齐标准化，并划分为训练集与测试集；S3：构建扩散增强模型，利用训练集数据训练扩散增强模型；S4：构建并训练多尺度时空感知模型；S5：通过训练好的扩散增强模型生成增强样本，将增强样本与真实样本混合输入到多尺度时空感知模型中进行微调，得到训练好的多尺度时空感知模型；S6：将测试集输入到训练好的多尺度时空感知模型中，得到分类好的情感标签。还公开了一种基于扩散增强的多尺度时空感知的脑电数据扩增系统。本发明能端到端地实现高准确度的情感识别。
-
公开(公告)号：CN118567487B
公开(公告)日：2024-09-24
申请号：CN202411035097.X
申请日：2024-07-31
Applicant: 安徽大学
IPC: G06F3/01 , A61B5/38 , A61B5/374 , A61B5/00 , G06F18/213 , G06N3/0464 , G06N3/045 , G06F18/25
Abstract: 本申请涉及一种基于双重注意力精炼网络的听觉注意解码方法和装置，听觉注意解码方法包括：获取脑电信号序列数据，通过滑动窗口对脑电信号序列数据进行截取，得到多个脑电信号窗口数据；通过时空特征提取网络对脑电信号窗口数据进行特征提取，生成低密度时空特征；通过第一注意力精炼网络对低密度时空特征进行精炼处理，生成浅层高密度时空特征，通过第二注意力精炼网络浅层高密度时空特征进行处理，生成深层高密度时空特征；根据浅层高密度时空特征和深层高密度时空特征，生成听觉注意表示；根据听觉注意表示，生成脑电信号序列数据的听觉注意解码结果。本申请可以提高听觉注意解码准确度，解决了目前的听觉注意解码方法存在听觉注意解码准确度低的问题。
-
公开(公告)号：CN118395907B
公开(公告)日：2024-09-10
申请号：CN202410824881.2
申请日：2024-06-25
Applicant: 安徽大学 , 国网安徽省电力有限公司池州供电公司 , 合肥圣创达电气有限公司
Inventor： 洪小龙 , 邵全 , 李军 , 袁祖慧 , 曹现峰 , 彭文斌 , 李坚林 , 杨为 , 谢铖 , 徐峰 , 徐晓 , 陈忠 , 胡迪 , 官玮平 , 许磊 , 汪宝龙 , 金巍 , 刘洋 , 韩旭 , 王来银 , 吕钊 , 王庆辰 , 李建伟 , 宋元元 , 葛梦梅
IPC: G06F30/30 , G06F30/27 , G06Q50/06 , H02J13/00 , G06F111/10
Abstract: 本发明公开了一种主备式站用交直流电源监测监控方法，包括根据主备式站用交直流电源的电路拓扑，基于电气仿真软件进行电路建模；根据所述电气仿真软件设置仿真数据；构建用于描述遥测数据子集与遥信数据子集的运行状态判断模型以及描述遥测数据子集与状态数据子集的运行状态判断模型；将上述模型传输至边缘计算模块，基于边缘计算模块验证用于描述遥测数据子集与遥信数据子集的运行状态判断模型以及描述遥测数据子集与状态数据子集的运行状态判断模型的判断结果。本发明根据设置的对应的不同运行场景，设置对应解决方案，控制站用交直流电源监测体系的设备投切，能够有效提升系统的智能化和安全性能，降低运维风险。
-
Patent Agency Ranking
公开(公告)号：CN118567487A
公开(公告)日：2024-08-30
申请号：CN202411035097.X
申请日：2024-07-31
Applicant: 安徽大学
IPC: G06F3/01 , A61B5/38 , A61B5/374 , A61B5/00 , G06F18/213 , G06N3/0464 , G06N3/045 , G06F18/25
Abstract: 本申请涉及一种基于双重注意力精炼网络的听觉注意解码方法和装置，听觉注意解码方法包括：获取脑电信号序列数据，通过滑动窗口对脑电信号序列数据进行截取，得到多个脑电信号窗口数据；通过时空特征提取网络对脑电信号窗口数据进行特征提取，生成低密度时空特征；通过第一注意力精炼网络对低密度时空特征进行精炼处理，生成浅层高密度时空特征，通过第二注意力精炼网络浅层高密度时空特征进行处理，生成深层高密度时空特征；根据浅层高密度时空特征和深层高密度时空特征，生成听觉注意表示；根据听觉注意表示，生成脑电信号序列数据的听觉注意解码结果。本申请可以提高听觉注意解码准确度，解决了目前的听觉注意解码方法存在听觉注意解码准确度低的问题。
-
公开(公告)号：CN118315021A
公开(公告)日：2024-07-09
申请号：CN202410582955.6
申请日：2024-05-11
Applicant: 安徽大学
Abstract: 本发明公开了一种基于增强现实系统的手部主动康复方法，包括以下步骤：S1：采用增强现实系统扫描患者手部，获取患者手部特征并对患者手部空间进行建模；S2：计算增强现实系统与患者手部的交互区域，在交互区域生成虚拟图像，让患者进行人机交互；S3：采集交互过程中患者的运动数据；S4：根据步骤S3采集的运动数据计算患者的康复系数；S5：通过计算所得康复系数评估患者的康复情况。还公开了一种基于增强现实系统的手部主动康复的系统。本发明操作简便，将医疗康复与增强现实技术有效结合，减轻了病人的训练负担，同时运用该技术还能辅助评估、优化反馈，从而大大提高康复质量和效率。
-
公开(公告)号：CN118230752A
公开(公告)日：2024-06-21
申请号：CN202410139135.X
申请日：2024-01-31
Applicant: 安徽大学
IPC: G10L21/0272 , G10L25/30 , G10L15/25 , G10L15/16
Abstract: 本申请涉及一种语音分离模型的训练方法和装置、语音分离方法，语音分离模型包括教师模型和学生模型。其中，该语音分离模型的训练方法包括：获取相对应的样本音频数据和样本视频数据；通过样本音频数据和样本视频数据对教师模型进行监督训练；通过样本音频数据对学生模型进行监督训练，并在训练过程中通过训练后的教师模型对学生模型进行训练指导。通过上述语音分离模型的训练方法，最终得到高性能的学生模型。训练后的学生模型应用在实际语音分离场景中，可以准确地对单独的音频数据进行分离，而不需要相对应的视频数据进行辅助。因此，解决了现有的语音分离技术难以准确地对无同步视频数据的音频数据进行语音分离的问题。
-
公开(公告)号：CN117854744A
公开(公告)日：2024-04-09
申请号：CN202311689333.5
申请日：2023-12-05
Applicant: 安徽大学
IPC: G16H80/00 , G16H50/20 , G16H10/60 , G06F18/10 , G06F18/2131 , G06F18/22 , G06F40/30 , A61B5/378 , A61B5/00 , A61B5/372
Abstract: 本发明公开了一种基于SSVEP脑电信号的智能查房方法和系统，方法包括：获取用户在视觉刺激下的第一脑电信号并定义参考信号；将第一脑电信号分解为子带分量，计算子带分量自身、参考信号自身以及子带分量与参考信号之间的差异，获取每个子带分量的总空间滤波器并滤波，重新排列成第二脑电信号；采用变分模态分解获取多个变分模态分量，并对每个通道下的权重进行寻优以重构得到第三脑电信号；基于第三脑电信号的自特征、参考信号获取诱发刺激频率确定用户意图，完成智能查房。本方法通过多次对信号分解与重构，增强有效部分使得具有更高的信噪比，并采用平均特征进一步保证了频率识别的准确性，大大提高了用户与医护人员进行沟通交流的能力。
-
公开(公告)号：CN117195153A
公开(公告)日：2023-12-08
申请号：CN202311217545.3
申请日：2023-09-20
Applicant: 安徽大学
IPC: G06F18/25 , G06F18/213 , G06F18/214 , G06N3/045 , G06N3/0895 , G06N3/09 , G06F18/2411 , G06F123/02
Abstract: 本发明公开了一种基于对比性学习的EEG‑EOG多模态情感识别方法，包括以下步骤：S1：设计实验范式；S2：采集受试者的EEG信号和EOG信号；S3：数据预处理；S4：对比学习：采用一个基编码器和投影模块来对齐同一被试者的EEG和EOG信号片段的小批量数据，并不断优化基编码器和投影模块的参数；S5：使用预训练后的基编码器从对齐的EEG和EOG信号表征中提取DE情感特征；S6：分类识别，得到情感识别的识别率。还公开了一种基于对比性学习的EEG‑EOG多模态情感识别系统。本发明基于对比性学习方法，预训练基编码器来对齐EEG和EOG信号，从而实现多模态信号的融合，提高情感识别的识别率。
-
-
-
-
-
-
-
-
-
Search Results
140
records
(took 0.026 seconds)
