-
公开(公告)号：CN109086658B
公开(公告)日：2021-06-08
申请号：CN201810589194.1
申请日：2018-06-08
Applicant: 中国科学院计算技术研究所
Abstract: 本发明涉及一种基于生成对抗网络的传感器数据生成方法，包括：模型构建步骤，以真实数据通过神经网络模型构建生成对抗网络模型，该生成对抗网络模型包括生成器和判别器；模型训练步骤，以对抗博弈机制训练该生成器和该判别器，并进行迭代，直到从该生成器获得的数据满足评价标准；数据生成步骤，以该生成器通过该对抗网络模型生成合成数据。
-
公开(公告)号：CN110503205A
公开(公告)日：2019-11-26
申请号：CN201910646750.9
申请日：2019-07-17
Applicant: 中国科学院计算技术研究所
Abstract: 本发明提出一种多模态数据处理方法及系统，包括：获取多个多模态数据样本，并将多模态数据样本的质量评价作为特征，将多模态数据样本的模态组合作为标签；以特征为输入，并以标签为训练目标，训练多类分类器模型，得到模态选择模型；获取待处理多模态数据，将待处理多模态数据的特征输入模态选择模型，得到模态组合选择结果，通过将待处理多模态数据中除模态组合选择结果以外的置0，得到修改后的多模态数据；修改后的多模态数据输入指定的多模态机器学习任务模型，将多模态机器学习任务模型的输出结果作为待处理多模态数据的多模态数据处理结果。本发明可以提升低数据质量下的多模态机器学习模型性能。
-
公开(公告)号：CN109086658A
公开(公告)日：2018-12-25
申请号：CN201810589194.1
申请日：2018-06-08
Applicant: 中国科学院计算技术研究所
Abstract: 本发明涉及一种基于生成对抗网络的传感器数据生成方法，包括：模型构建步骤，以真实数据通过神经网络模型构建生成对抗网络模型，该生成对抗网络模型包括生成器和判别器；模型训练步骤，以对抗博弈机制训练该生成器和该判别器，并进行迭代，直到从该生成器获得的数据满足评价标准；数据生成步骤，以该生成器通过该对抗网络模型生成合成数据。
-
公开(公告)号：CN110222708A
公开(公告)日：2019-09-10
申请号：CN201910354991.6
申请日：2019-04-29
Applicant: 中国科学院计算技术研究所
Abstract: 本发明提出一种基于集成决策树的跌倒检测方法和系统，包括：对于标记为跌倒的第一加速度数据，取其中平方和最大的点，根据预设时间段范围取点左右的数据段作为原始集，对于标记为非跌倒的第二加速度数据，通过滑窗每次取预设时间段范围的数据段加入原始集，得到最终集，通过快速傅里叶变换提取最终集中各数据段的多维特征作为训练特征；创建多棵决策树，以训练特征作为输入特征，分别输入决策树以迭代训练各决策树，通过每一棵决策树去拟合上一棵决策树的残差,集合训练完成的决策树作为集成学习模型；获取待跌倒检测的第三加速度数据，利用滑窗的方法提取第三加速度数据的数据段作为检测数据，将检测数据输入至集成学习模型，得到跌倒检测结果。
-
-
-
Search Results
4
records
(took 0.024 seconds)
