-
公开(公告)号：CN119221737A
公开(公告)日：2024-12-31
申请号：CN202411591455.5
申请日：2024-11-08
Applicant: 北京工业大学 , 中铁建设集团有限公司 , 中铁建设集团北京工程有限公司
Abstract: 本申请涉及结构工程技术领域，具体涉及一种装配式钢框架站台结构体系和其加工制作方法，包括钢梁模块、板模块和多个站台柱模块；板模块包括叠合板，叠合板包括多个预制板和现浇层，多个预制板铺设在钢梁模块上，预制板上设置预留钢筋，现浇层设置在预制板上；站台柱模块包括混凝土柱和钢管柱，混凝土柱的底端与地面固定连接，钢管柱的一端与板模块连接，另一端与混凝土柱连接，钢梁模块与钢管柱连接。本申请中的装配式钢框架站台结构体系中的钢梁模块和钢管柱均在工厂加工，在现场连接装配。能够提升装配速度，缩短施工工期，同时保证工程质量。
-
公开(公告)号：CN118133983A
公开(公告)日：2024-06-04
申请号：CN202410049729.1
申请日：2024-01-12
Applicant: 北京工业大学
IPC: G06N20/00 , G06F18/22 , G06F18/231 , A61B5/00
Abstract: 一种基于集群联邦学习的睡眠分期方法涉及联邦学习领域，本发明利用集群联邦学习架构进行各医疗机构间的协同训练及模型参数共享，客户端无需上传原始数据至服务器端进行集中式训练，在机构利用本地数据进行小批量训练，并上传模型参数至云端聚合，云端将聚合后的参数再次下发至各客户端，迭代进行上述流程，直至模型收敛。此架构既能提升睡眠分期任务的训练精度，同时解决了睡眠数据共享意愿低而带来的数据孤岛问题。其次，本发明以客户端的本地训练损失值来衡量机构所掌握的数据质量，并以损失值的中位数作为基准，以标准差在损失中位数周围划定区域，对每个客户端损失值与中心损失值的距离取反进行加权。进行模型参数的全局聚合，实现有效调度。
-
公开(公告)号：CN113158964A
公开(公告)日：2021-07-23
申请号：CN202110494434.1
申请日：2021-05-07
Applicant: 北京工业大学
Abstract: 本发明提出了一种基于残差学习和多粒度特征融合的睡眠分期方法，属于信号处理和模式识别领域。首先，对原始睡眠脑电信号进行预处理，获得若干睡眠脑电信号数据样本，且每一个数据样本包含N个通道的数据。接下来，对每一个数据样本的N个通道数据分别进行HHT获得N个脑电数据的时频矩阵特征。最后，将所有样本的上述时频矩阵特征送入基于残差学习和多粒度特征融合的睡眠分期网络中，完成睡眠脑电信号的多粒度特征提取和分类任务。本发明能够在自适应提取到的睡眠脑电信号时频特征上高效融合不同粒度特征，实验证明本发明提出的网络训练速度快，对专家先验知识依赖少，有效提升了现有自动化睡眠分期方法的分类性能和效率。
-
公开(公告)号：CN112989918A
公开(公告)日：2021-06-18
申请号：CN202011558723.5
申请日：2020-12-25
Applicant: 北京工业大学
Abstract: 本发明涉及一种基于核递推最小二乘自适应追踪算法的脑电信号在线预测方法，用于解决在线检测的脑电信号存在不准确、缺失的问题。包括训练和预测两个阶段，训练阶段包括生成脑电信号标签；选择回遗忘策略，更新中间参数；对脑电信号进行在线预测，得到无噪声方差、预测的平均输出信号片段和预测的方差；计算当次迭代的预测的输出信号片段与输出脑电时序序列片段标签之根均方误差，并调节中间参数，如果所有样本中所有片段的根均方误差达到最小，则训练完成，进行在线预测阶段；否则继续训练；本发明实现了脑电信号的预测，解决了脑电信号测量不准确，信号缺失的问题。
-
公开(公告)号：CN112800977A
公开(公告)日：2021-05-14
申请号：CN202110130937.0
申请日：2021-01-30
Applicant: 北京工业大学
Abstract: 一种基于多粒度卷积神经网络剪枝的教师板书动作识别方法属于深度学习领域。本发明结合智慧教育中的教室精品课程智能化录制这一实际应用，将多粒度卷积神经网络剪枝应用到人体动作识别算法中，从而提升人体动作识别算法的处理速度。教书板书动作识别算法分为三步：OpenPose进行特征提取，坐标归一化以及BP神经网络分类。此外，在OpenPose的算法中，我们使用了基于滤波器级和连接级的多粒度卷积神经网络剪枝框架对OpenPose的骨干网络进行压缩，设计并实现了相应的训练策略，实现了两类剪枝方法的结合。最终实验结果表明网络剪枝的准确率和速度完全满足实际应用的需求。
-
Patent Agency Ranking
公开(公告)号：CN112418338B
公开(公告)日：2024-08-23
申请号：CN202011364819.8
申请日：2020-11-27
Applicant: 北京工业大学
IPC: G16H50/70 , G16H10/60 , G06F18/213 , G06F18/23
Abstract: 本发明涉及一种基于显著点自适应等度量映射流形的癫痫数据降维的聚类可视化方法，用于分析癫痫病人不同时期的演化规律，具体包括以下内容：选择癫痫病人的脑电数据集；设置显著点自适应等度量映射流形的各种初始参数；构建脑电样本的邻域图；选择显著脑电样本点，并计算从显著样本点到所有样本点之间的最短路径；分段线性自适应调节机制更新距离矩阵；计算低维嵌入坐标；自适应优化嵌入坐标；2维和3维聚类可视化分析。本发明可视化效果明显，有很好的聚类表现。本发明可以辅助专业的医务员标注数据，并且方便医务人员及交叉领域人员分析导致癫痫病人的脑电在不同时期产生这种聚类规律的内在病理缘由。
-
公开(公告)号：CN113158964B
公开(公告)日：2024-05-28
申请号：CN202110494434.1
申请日：2021-05-07
Applicant: 北京工业大学
IPC: G06F18/24 , G06F18/10 , G06F18/213 , G06N3/0464 , G06N3/048 , G06N3/08
Abstract: 本发明提出了一种基于残差学习和多粒度特征融合的睡眠分期方法，属于信号处理和模式识别领域。首先，对原始睡眠脑电信号进行预处理，获得若干睡眠脑电信号数据样本，且每一个数据样本包含N个通道的数据。接下来，对每一个数据样本的N个通道数据分别进行HHT获得N个脑电数据的时频矩阵特征。最后，将所有样本的上述时频矩阵特征送入基于残差学习和多粒度特征融合的睡眠分期网络中，完成睡眠脑电信号的多粒度特征提取和分类任务。本发明能够在自适应提取到的睡眠脑电信号时频特征上高效融合不同粒度特征，实验证明本发明提出的网络训练速度快，对专家先验知识依赖少，有效提升了现有自动化睡眠分期方法的分类性能和效率。
-
公开(公告)号：CN112989918B
公开(公告)日：2024-05-28
申请号：CN202011558723.5
申请日：2020-12-25
Applicant: 北京工业大学
IPC: G06F18/10 , G06F18/214 , G06N20/00
Abstract: 本发明涉及一种基于核递推最小二乘自适应追踪算法的脑电信号在线预测方法，用于解决在线检测的脑电信号存在不准确、缺失的问题。包括训练和预测两个阶段，训练阶段包括生成脑电信号标签；选择回遗忘策略，更新中间参数；对脑电信号进行在线预测，得到无噪声方差、预测的平均输出信号片段和预测的方差；计算当次迭代的预测的输出信号片段与输出脑电时序序列片段标签之根均方误差，并调节中间参数，如果所有样本中所有片段的根均方误差达到最小，则训练完成，进行在线预测阶段；否则继续训练；本发明实现了脑电信号的预测，解决了脑电信号测量不准确，信号缺失的问题。
-
公开(公告)号：CN112783473B
公开(公告)日：2024-02-02
申请号：CN202110071298.5
申请日：2021-01-20
Applicant: 北京工业大学
Abstract: 本发明提供了一种使用单个DSP单元并行计算6个4Bit和3Bit整形数据乘法运算方法，其特点是扩展了FPGA中DSP对低位宽乘法计算的支持，使得一个DSP能够同时计算6个4Bit和3Bit整形数据输入7Bit整形数据输出的乘法运算，充分发挥了低位宽计算优势，大幅度提高计算并行度，减少资源消耗，进而提升计算速度降低功耗。
-
公开(公告)号：CN113014394B
公开(公告)日：2023-07-14
申请号：CN202110196745.X
申请日：2021-02-22
Applicant: 北京工业大学
Abstract: 本发明提供了一种基于联盟链的电子数据存证方法及系统，提出了基于分布式密钥生成协议的联盟链成员准入方法，底层联盟链不再依赖集中式CA节点，保证用户证书申请由用户独立完成，不需要第三方存证机构进行代理；提出了基于双密钥对机制和(t,n)门限加密算法的电子数据加解密方法，在确保用户所存证电子数据机密性的同时，保证司法机构可对电子数据真实性进行验证；提出了分散式的管理模式，避免了集中式管理模式带来的安全威胁。基于电子数据存证方法所实现的存证系统的系统架构，可分为用户层、应用层及数据层三层，包含注册登录、数据存证、数据核验、区块公示和个人中心五个模块。本发明能够保证电子数据存证安全可靠。
-
-
-
-
-
-
-
-
-
Search Results
38
records
(took 0.021 seconds)
