-
公开(公告)号：CN114027786B
公开(公告)日：2023-04-18
申请号：CN202110917103.4
申请日：2021-08-11
Applicant: 中国科学院计算技术研究所 , 鹏城实验室
IPC: A61B5/00 , G06N3/0464 , G06N3/0455 , G06N3/048 , G06N3/0895 , G06F18/2415
Abstract: 本发明提出一种基于自监督式记忆网络的睡眠呼吸障碍检测方法和系统，利用自监督学习模块丰富正常数据并从正常数据中学习一种通用模式，还引入了一种自适应记忆融合网络，包括全局记忆模块、局部记忆模块和自适应融合模块，分别通过全局和局部记忆模块学习正常数据的共有特征和特有特征，最后采用自适应融合模块将共有特征和特有特征融合到最终的特征表示中，将其用于重构输入数据。本发明实现了无监督的端到端模型训练方法，即无需异常数据就能够完成训练。
-
公开(公告)号：CN113177455A
公开(公告)日：2021-07-27
申请号：CN202110442262.3
申请日：2021-04-23
Applicant: 中国科学院计算技术研究所 , 鹏城实验室
Abstract: 本发明实施例提供了一种训练运动强度识别系统的方法，包括：A1、构建运动强度识别系统，其包括依次连接的数据预处理模块、并行卷积处理流、双线性池化模块和多任务学习模块，所述并行卷积处理流包括两条并行的卷积处理流；A2、通过数据预处理模块对经标注了标签的运动数据进行预处理，得到运动信息和对应的标签组成的训练集，其中，运动数据由惯性传感器采集得到，为运动数据标注的标签包括多种不同的运动强度标签和多种不同的运动行为标签；A3、用所述训练集训练所述运动强度识别系统；本发明从通道和空间两个维度对卷积层提取的特征进行优化，关注重要的特征，抑制不必要的特征，有助于提升运动强度的识别精度。
-
公开(公告)号：CN113177455B
公开(公告)日：2023-01-24
申请号：CN202110442262.3
申请日：2021-04-23
Applicant: 中国科学院计算技术研究所 , 鹏城实验室
IPC: G06V40/20 , G06V10/40 , G06V10/774 , G06V10/764 , G06V10/80 , G06V10/82 , G16H50/30 , G06N3/04 , G06N3/08
Abstract: 本发明实施例提供了一种训练运动强度识别系统的方法，包括：A1、构建运动强度识别系统，其包括依次连接的数据预处理模块、并行卷积处理流、双线性池化模块和多任务学习模块，所述并行卷积处理流包括两条并行的卷积处理流；A2、通过数据预处理模块对经标注了标签的运动数据进行预处理，得到运动信息和对应的标签组成的训练集，其中，运动数据由惯性传感器采集得到，为运动数据标注的标签包括多种不同的运动强度标签和多种不同的运动行为标签；A3、用所述训练集训练所述运动强度识别系统；本发明从通道和空间两个维度对卷积层提取的特征进行优化，关注重要的特征，抑制不必要的特征，有助于提升运动强度的识别精度。
-
公开(公告)号：CN114027786A
公开(公告)日：2022-02-11
申请号：CN202110917103.4
申请日：2021-08-11
Applicant: 中国科学院计算技术研究所 , 鹏城实验室
Abstract: 本发明提出一种基于自监督式记忆网络的睡眠呼吸障碍检测方法和系统，利用自监督学习模块丰富正常数据并从正常数据中学习一种通用模式，还引入了一种自适应记忆融合网络，包括全局记忆模块、局部记忆模块和自适应融合模块，分别通过全局和局部记忆模块学习正常数据的共有特征和特有特征，最后采用自适应融合模块将共有特征和特有特征融合到最终的特征表示中，将其用于重构输入数据。本发明实现了无监督的端到端模型训练方法，即无需异常数据就能够完成训练。
-
公开(公告)号：CN117689933A
公开(公告)日：2024-03-12
申请号：CN202311576114.6
申请日：2023-11-23
Applicant: 中国科学院计算技术研究所
IPC: G06V10/764 , G06T7/00 , G06V10/774
Abstract: 本发明提供一种医疗图像分类模型的联邦训练方法，包括：S1、初始化的步骤：在中心服务器上随机初始化一个全局模型并将其传递给多个参与方以作为每个参与方的初始本地模型，其中，每个参与方存储有本地数据，所述每个参与方的本地数据包括多个医疗图像及其对应的疾病标签，且每个参与方的本地数据与其他参与方的本地数据之间不存在交集；S2、联邦训练的步骤：所述中心服务器每接收到一个参与方完成本地训练后的本地模型的参数时进行一次全局模型更新，并将更新后的全局模型参数发送给对应参与方，该参与方将接收到的更新后的全局模型参数作为新的本地模型的参数进行下一次本地训练。
-
Patent Agency Ranking
公开(公告)号：CN106875630B
公开(公告)日：2018-12-04
申请号：CN201710144772.6
申请日：2017-03-13
Applicant: 中国科学院计算技术研究所
IPC: G08B21/04
Abstract: 本发明涉及一种基于层次分类的可穿戴跌倒检测方法和系统，该跌倒检测方法包括：采集用户的日常行为数据；对该日常行为数据进行合成、滤波等处理生成原始数据；利用滑动窗口机制提取该原始数据的时频域特征，生成样本，并将该样本组合成样本集；利用第一层一类分类模型对该样本集中的每一个样本进行识别，将识别后的结果发送至第二层的加权二类分类模型；第二层的加权二类分类模型负责对加权分配处理，生成加权跌倒样本，并将其送至第三层的规则二类分类模型；第三层的规则二类分类模型根据该加权跌倒样本是否符合跌倒规则，判断用户是否发生跌倒行为。本发明通过以上方法实现了对用户跌倒行为的准确判断。
-
公开(公告)号：CN116313043A
公开(公告)日：2023-06-23
申请号：CN202211699508.6
申请日：2022-12-28
Applicant: 中国科学院计算技术研究所
IPC: G16H50/20 , G16H50/30 , G16H20/70 , G06N3/08 , G06F18/241 , G06N3/0464
Abstract: 本发明提出一种基于时空约束的多流图神经网络多动症辅助诊断方法，包括：获取用户于人机交互场景中的运动传感器数据，提取该运动传感器数据的时域统计特征；基于该时域统计特征获取该人机交互场景的时空约束图；获取该时空约束图的整图向量表示；将所有该整图向量表示进行融合，得到该用户进行人机交互行为的分类结果。本发明还提出一种基于时空约束的多流图神经网络多动症辅助诊断系统，以及一种实现多流图神经网络多动症辅助诊断的数据处理系统。
-
公开(公告)号：CN113128667A
公开(公告)日：2021-07-16
申请号：CN202110363771.7
申请日：2021-04-02
Applicant: 中国科学院计算技术研究所
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：CN108717548B
公开(公告)日：2020-09-15
申请号：CN201810315805.3
申请日：2018-04-10
Applicant: 中国科学院计算技术研究所
Abstract: 本发明涉及一种面向传感器动态增加的行为识别模型更新方法及系统，包括：模型构建步骤，通过初始传感器获取用户行为的初始数据，并提取初始特征数据以构建行为识别模型；增量特征数据获取步骤，通过该初始传感器和新增传感器获取用户行为的增量数据，定义增量特征并提取增量特征数据；模型更新决策步骤，以该行为识别模型中的决策树预测结果之间的平均互信息，及该预测结果和与其对应的用户实际行为之间的互信息，获得该行为识别模型的每棵决策树的多样性评分，将多样性评分小于更新阈值的决策树作为待更新决策树；模型动态更新步骤，以该增量特征数据更新所有待更新决策树，以实现该行为识别模型的更新。
-
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。
-
-
-
-
-
-
-
-
-
Search Results
20
records
(took 0.031 seconds)
