-
公开(公告)号：CN117493955A
公开(公告)日：2024-02-02
申请号：CN202311443623.1
申请日：2023-11-01
Applicant: 北京大学 , 北京大学重庆大数据研究院
IPC: G06F18/241 , A61B5/00 , A61B5/369 , A61B5/372 , G06F18/213 , G06N3/0464 , G06N3/08
Abstract: 本发明涉及一种癫痫患者的脑电信号分类模型的训练方法，属于癫痫检测技术领域，解决了现有技术中跨病人脑电信号分类方法效率和准确率低的问题。方法包括：获取癫痫患者的脑电信号片段，根据脑电信号片段构建训练样本集；构建脑电信号分类模型，所述脑电信号分类模型包括带反馈连接的脉冲神经网络、脑电信号分类器和患者身份分类器；带反馈连接的脉冲神经网络用于提取脑电信号特征；脑电信号分类器用于根据脑电信号特征进行脑电信号分类；患者身份分类器用于根据脑电信号特征进行患者身份分类；基于训练样本集对脑电信号分类模型进行训练，得到训练好的癫痫患者的脑电信号分类模型。实现了快速对癫痫患者脑电信号进行准确分类的模型。
-
公开(公告)号：CN117493955B
公开(公告)日：2024-06-07
申请号：CN202311443623.1
申请日：2023-11-01
Applicant: 北京大学 , 北京大学重庆大数据研究院
IPC: G06F18/241 , A61B5/00 , A61B5/369 , A61B5/372 , G06F18/213 , G06N3/0464 , G06N3/08
Abstract: 本发明涉及一种癫痫患者的脑电信号分类模型的训练方法，属于癫痫检测技术领域，解决了现有技术中跨病人脑电信号分类方法效率和准确率低的问题。方法包括：获取癫痫患者的脑电信号片段，根据脑电信号片段构建训练样本集；构建脑电信号分类模型，所述脑电信号分类模型包括带反馈连接的脉冲神经网络、脑电信号分类器和患者身份分类器；带反馈连接的脉冲神经网络用于提取脑电信号特征；脑电信号分类器用于根据脑电信号特征进行脑电信号分类；患者身份分类器用于根据脑电信号特征进行患者身份分类；基于训练样本集对脑电信号分类模型进行训练，得到训练好的癫痫患者的脑电信号分类模型。实现了快速对癫痫患者脑电信号进行准确分类的模型。
-
公开(公告)号：CN117435993B
公开(公告)日：2025-03-04
申请号：CN202311443629.9
申请日：2023-11-01
Applicant: 北京大学 , 北京大学重庆大数据研究院
IPC: G06F18/2415 , A61B5/369 , G06F18/213 , G06N3/0464 , G06N3/084 , G06N3/094
Abstract: 本发明涉及一种基于数据增强和对抗优化的跨病人癫痫脑电信号分类方法，属于癫痫检测技术领域，解决了现有技术中癫痫跨病人脑电信号分类方法准确率和效率低的问题。方法包括以下步骤：获取脑电信号片段，对其中的癫痫发作期脑电信号片段进行数据增强，基于数据增强后的脑电信号片段构建训练样本集；构建跨病人癫痫脑电信号分类模型，采用对抗优化策略基于所述训练样本集对所述跨病人癫痫脑电信号分类模型进行训练，得到训练好的跨病人癫痫脑电信号分类模型；将待分类脑电信号输入训练好的跨病人癫痫脑电信号分类模型得到待分类脑电信号的分类结果。实现了快速准确的跨病人癫痫患者脑电信号分类。
-
公开(公告)号：CN117435993A
公开(公告)日：2024-01-23
申请号：CN202311443629.9
申请日：2023-11-01
Applicant: 北京大学 , 北京大学重庆大数据研究院
IPC: G06F18/2415 , A61B5/369 , G06F18/213 , G06N3/0464 , G06N3/084 , G06N3/094
Abstract: 本发明涉及一种基于数据增强和对抗优化的跨病人癫痫脑电信号分类方法，属于癫痫检测技术领域，解决了现有技术中癫痫跨病人脑电信号分类方法准确率和效率低的问题。方法包括以下步骤：获取脑电信号片段，对其中的癫痫发作期脑电信号片段进行数据增强，基于数据增强后的脑电信号片段构建训练样本集；构建跨病人癫痫脑电信号分类模型，采用对抗优化策略基于所述训练样本集对所述跨病人癫痫脑电信号分类模型进行训练，得到训练好的跨病人癫痫脑电信号分类模型；将待分类脑电信号输入训练好的跨病人癫痫脑电信号分类模型得到待分类脑电信号的分类结果。实现了快速准确的跨病人癫痫患者脑电信号分类。
-
公开(公告)号：CN119625407A
公开(公告)日：2025-03-14
申请号：CN202411710062.1
申请日：2024-11-27
Applicant: 北京大学
IPC: G06V10/764 , G06V10/26 , G06V10/82 , G06N3/0464 , G06N3/084
Abstract: 本发明公布了一种基于自适应控制状态空间模型的图像分类方法，包括：图像分割模块和ViC编码器；设计的ViC编码器包括选择性双向状态模型模块、动态状态缩放模块、双向卷积模块、自适应控制状态空间模型、自适应控制机制模块。通过设计选择性双向状态模型(SBSM)、动态状态缩放(DSS)、双向卷积(Bi‑Conv)和自适应控制机制(ACM)，在处理大规模图像数据集时，更好地捕捉长序列依赖和复杂视觉模式，提高图像分类的准确性、效率和泛化能力。
-
Patent Agency Ranking
公开(公告)号：CN113449864B
公开(公告)日：2023-08-25
申请号：CN202110827709.9
申请日：2021-07-21
Applicant: 北京大学
IPC: G06N3/084 , G06N3/049 , G06N3/0464 , G06N3/048 , G06V10/82 , G06V10/764
Abstract: 本发明公布了一种用于图像数据分类的反馈型脉冲神经网络模型训练方法，构建反馈型脉冲神经网络模型并通过均衡态的隐式微分对模型进行训练，包括基于整合激活模型IF和泄漏整合激活模型LIF两种脉冲神经元模型、以及单隐层和多隐层两种神经网络结构的反馈型脉冲神经网络模型，采用重参数化方法对反馈连接权重的谱范数进行约束，采用改进方法进行批归一化；本发明能够避免脉冲神经网络模型常见的训练困难问题，用于高性能且高效节能地进行计算机图像数据与神经形态图像视觉数据的分类处理，能够以更少的神经元数量、更小的参数量、和更少的时间步长取得更高的分类正确率。
-
公开(公告)号：CN113449817A
公开(公告)日：2021-09-28
申请号：CN202110841105.X
申请日：2021-07-23
Applicant: 北京大学
Abstract: 本发明公布了一种基于幻影梯度的图像分类隐式模型加速训练方法，通过定义用于图像分类和特征提取的隐式模型，定义图像分类隐式模型参数的幻影梯度，基于损失函数计算幻影梯度，并基于幻影梯度对图像分类隐式模型进行加速训练，得到训练好的图像分类隐式模型；基于图像分类隐式模型的输出，模型的分类器即可输出预测的图像标签。本发明方法可用于高效训练图像分类与特征提取的深度平衡模型等隐式模型，能够提高模型参数利用率，降低训练图像分类模型的内存开销，可实现训练更大规模的图像分类模型。
-
公开(公告)号：CN111401155A
公开(公告)日：2020-07-10
申请号：CN202010133492.7
申请日：2020-02-28
Applicant: 北京大学
Abstract: 本发明公布了一种基于隐式欧拉跳跃连接的残差神经网络的图像识别方法，将隐式欧拉数值方法与残差网络模型中的跳跃连接相结合，建立具有更强鲁棒性的改进模型：含有隐式欧拉跳跃连接的残差神经网络，该改进模型的输入为图像数据及所对应的标签，输出为图像的预测分类，由此实现更加稳定的图像识别。本发明提出的基于含有隐式欧拉跳跃连接的残差神经网络的图像识别方法，具有更强的鲁棒性和可信性，可提高图像识别的准确性和有效性，可应用在如人脸识别、文字识别等多种图像识别场景。
-
公开(公告)号：CN108985457A
公开(公告)日：2018-12-11
申请号：CN201810958553.6
申请日：2018-08-22
Applicant: 北京大学
IPC: G06N3/08
Abstract: 本发明公布了一种受优化算法启发的深度神经网络结构设计方法，对于所有层共享相同的线性和非线性变换的经典前馈网络结构，将该前馈网络中的前向过程等价于使用梯度下降法最小化某个函数F(x)的迭代过程；进一步采用收敛速度更快的重球法和Nesterov加速算法最小化该函数F(x)，由此得到新的性能更好的网络结构；可应用于人工智能、计算机视觉等应用领域。采用本发明技术方案，从优化算法出发设计神经网络结构，能够改进传统的依靠经验、实验尝试搜索的设计方式，得到更高效的神经网络结构，从而节省大量的时间与计算资源。
-
公开(公告)号：CN103823889B
公开(公告)日：2017-02-01
申请号：CN201410084657.0
申请日：2014-03-10
Applicant: 北京大学
Abstract: 一种基于L1范数全局几何一致性检验的错误匹配检测方法：使用尺度不变特征变换及词袋模型来提取并匹配两幅图像中的特征点；计算两幅图像的平方距离矩阵；使用黄金分割搜索法来求解：minλ>0||D1-λ.D2||1；计算差异矩阵E=||D1-λ*.D2||1；计算E矩阵各行元素之和并从大到小排序，并计算排序后各行和值的二次差分，取达到最大二次差分值的点作为门限值，所有行和高于门限值的，则该行所对应特征点对被判定为错误匹配对；去掉错误匹配对后，再根据两幅图像的真实匹配点对来计算图像间的相似度，继而根据相似度由大到小排序输出图像检索结果。本发明允许相似图像间存在复杂背景、部分遮挡以及各种相似几何变换；只利用了特征点的坐标信息，非常简单且高效。
-
-
-
-
-
-
-
-
-
Search Results
58
records
(took 0.034 seconds)
