-
公开(公告)号：CN111820902A
公开(公告)日：2020-10-27
申请号：CN202010606588.0
申请日：2020-06-29
Applicant: 北京科技大学 , 北京大学第三医院(北京大学第三临床医学院)
Abstract: 本发明提供一种基于活动度特征的踝关节韧带损伤智能决策系统，属于智能辅助决策技术领域。所述系统包括：采集模块，用于采集损伤组与对照组中受试者的足踝部运动信息；构建模块，用于分别构建损伤组与对照组的距下关节活动度特征空间；生成模块，用于构建深度卷积生成式对抗网络，利用所述距下关节活动度特征空间中真实的距下关节活动度特征，扩展生成损伤组与对照组的距下关节活动度特征；决策模块，用于构建长短时记忆网络，利用损伤组与对照组真实的活动度特征与扩展生成的活动度特征组成训练集对长短时记忆网络进行训练，得到踝关节韧带损伤智能决策模型。采用本发明，能够实现小样本采集条件下的踝关节韧带损伤智能、精准的决策。
-
公开(公告)号：CN111820902B
公开(公告)日：2021-07-09
申请号：CN202010606588.0
申请日：2020-06-29
Applicant: 北京科技大学 , 北京大学第三医院(北京大学第三临床医学院)
Abstract: 本发明提供一种基于活动度特征的踝关节韧带损伤智能决策系统，属于智能辅助决策技术领域。所述系统包括：采集模块，用于采集损伤组与对照组中受试者的足踝部运动信息；构建模块，用于分别构建损伤组与对照组的距下关节活动度特征空间；生成模块，用于构建深度卷积生成式对抗网络，利用所述距下关节活动度特征空间中真实的距下关节活动度特征，扩展生成损伤组与对照组的距下关节活动度特征；决策模块，用于构建长短时记忆网络，利用损伤组与对照组真实的活动度特征与扩展生成的活动度特征组成训练集对长短时记忆网络进行训练，得到踝关节韧带损伤智能决策模型。采用本发明，能够实现小样本采集条件下的踝关节韧带损伤智能、精准的决策。
-
公开(公告)号：CN114492057A
公开(公告)日：2022-05-13
申请号：CN202210112274.4
申请日：2022-01-29
Applicant: 北京科技大学 , 北京科技大学顺德研究生院
IPC: G06F30/20 , G06F30/25 , G06F111/08 , G06F113/08
Abstract: 本发明公开了一种中频真空电弧弧后击穿机理的模拟计算方法和装置、电子设备，属于真空电弧弧后击穿机理分析技术领域，所述方法包括：计算金属液滴迁移过程中释放的金属蒸气的空间分布；根据金属蒸气的空间分布，对金属蒸气的密度和速度进行初始化，预设宏粒子；计算空间电荷及电流密度分布；依据所述空间电荷和电流密度分布，计算电势分布和电场分布，并更新宏粒子中正离子和电子的相空间位置；若未形成导电通道，判定是否达到最大迭代次数；若未达到最大迭代次数，返回执行计算空间电荷及电流密度分布的步骤；若已达到最大迭代次数或已形成导电通道，输出中频真空电弧弧后现象计算结果。通过本发明公开的方法，能够对中频真空电弧弧后击穿机理进行深入解析。
-
公开(公告)号：CN119128676A
公开(公告)日：2024-12-13
申请号：CN202411123120.0
申请日：2024-08-15
Applicant: 北京科技大学
IPC: G06F18/2415 , G06F18/2431 , G06F18/213 , G06F18/25 , G06V40/16 , G06N3/0464 , G06N3/0455 , G06N3/047 , G06N3/048 , G06N3/0442 , G06N3/049 , G06N3/084 , G06N3/082 , G10L25/63 , G10L25/30
Abstract: 本发明提供一种多模态情感识别方法及装置，涉及人工智能技术领域，该方法包括：通过交叉注意力机制将第一文本模态特征与第一图像模态特征进行融合，生成融合注意力的图像特征，通过交叉注意力机制将第一文本模态特征与第一语音模态特征进行融合，生成融合注意力的语音特征；将融合注意力的语音特征、融合注意力的图像特征、第一文本模态特征送入多层Transformer编码器中进行学习，生成第二语音模态特征、第二图像模态特征、第二文本模态特征，并基于所述第二语音模态特征、所述第二图像模态特征和所述第二文本模态特征进行情感识别，实现了较精准的多模态情感识别。
-
公开(公告)号：CN111047551B
公开(公告)日：2023-10-31
申请号：CN201911073929.6
申请日：2019-11-06
Applicant: 北京科技大学
IPC: G06T7/00 , G06T7/11 , G06T5/50 , G06T3/40 , G06N3/0455 , G06N3/0464 , G06N3/082
Abstract: 本发明提供一种基于U‑net改进算法的遥感影像变化检测方法及系统，该方法包括：对遥感影像进行预处理，然后将预处理后的不同时相的遥感影像进行整合得到输入图像；基于改进的U‑net网络，对输入图像进行下采样编码和上采样解码；最后根据分析结果输出影像是否发生变化的二值图像。本发明将语义分割方向的网络结构运用于变化检测领域，并引入残差学习机制使得编码器可快速收敛且加深网络层数，同时使用ASPP加强网络对图像特征的感知能力，使得算法在精度和效率上都能保持在较高水平，同时具有较强的鲁棒性。适用于遥感影像的变化检测领域的同时也可推广到其他领域，具有重要意义。
-
Patent Agency Ranking
公开(公告)号：CN109065173B
公开(公告)日：2022-04-19
申请号：CN201810751261.5
申请日：2018-07-10
Applicant: 北京科技大学
Abstract: 本发明公开了一种知识路径的获取方法。其中，该方法包括获取待寻知识路径的初始节点，其中，初始节点是症状信息和/或患者基本信息，知识路径由多个节点构成，节点是与症状信息和/或患者基本信息相关联的概念层特征；确定待寻知识路径的终点，其中，终点是根据症状信息和/或患者基本信息寻径得到的概念层特征阴或阳；通过贪心算法在初始节点与终点之间进行寻径获得多个知识路径；通过特征优化对多个知识路径进行筛选获得预定数量的待寻知识路径，解决了现有技术在进行案例推理时由于中医症状的数据存在问题导致不能高效分析中医数据的技术问题，达到了高效和准确的分析中医数据的技术效果。
-
公开(公告)号：CN113221968A
公开(公告)日：2021-08-06
申请号：CN202110444389.9
申请日：2021-04-23
Applicant: 北京科技大学
IPC: G06K9/62 , G06N3/04 , G06N3/08 , G06F16/215 , G06F16/2458
Abstract: 本发明公开了一种胶带输送机运行状态诊断方法及装置，该方法包括：实时采集待进行运行状态诊断的胶带输送机的运行时序数据；对采集的运行时序数据进行预处理，以补全数据缺失值并进行数据归一化；基于预处理后的运行时序数据，利用预设的胶带输送机运行状态识别诊断模型识别出当前胶带输送机的运行状态；其中，胶带输送机运行状态识别诊断模型的输入为胶带输送机的运行时序数据，输出为胶带输送机的运行状态。本发明是一种高效的能从原始运行时序信号学习信号的高层次特征的胶带输送机运行状态诊断方法。可识别胶带输送机的早期故障，提前采取相应的预防措施降低胶带输送机运行风险。
-
公开(公告)号：CN109389086B
公开(公告)日：2021-03-05
申请号：CN201811174109.1
申请日：2018-10-09
Applicant: 北京科技大学
IPC: G06K9/00
Abstract: 本发明公开了一种检测无人机影像目标的方法和系统。其中，该方法包括：判断目标的参考帧与当前帧的差异值是否超过阈值，其中，参考帧是当前帧的相邻前帧；如果差异值超过阈值则提取参考帧和当前帧各自的特征；通过光流网络模型将参考帧的特征传递到当前帧；将当前帧与从参考帧传递过来的特征按照不同的预设权重进行组合成为增强特征，其中，权重在特征通道中为固定不变的空间权重；检测增强特征得到目标检测与识别的结果和语义分割的结果。本发明解决了现有技术在对无人机影像进行目标检测与识别时存在处理精度与效率不能兼顾的技术问题。
-
公开(公告)号：CN110134953B
公开(公告)日：2020-12-18
申请号：CN201910367376.9
申请日：2019-05-05
Applicant: 北京科技大学
IPC: G06F40/295 , G06F16/951
Abstract: 本发明提供了一种基于中医古籍文献的中医命名实体识别方法及系统，用以解决中医命名实体的识别问题。所述方法在获取中医古籍文献语料的基础上进行数据清理，再进行语言模型预训练；通过对语料进行序列标注，形成后续模型的训练集；基于序列标注的模型训练集，将语言模型作为编码层，将神经网络结构作为解码层，训练序列标注模型，从而基于序列标注模型进行中医命名实体识别。本发明结合现有的语言训练模型，如Google提出的语言模型预训练方法bert，基于小样本训练集节省了人工标注的成本，提高了识别效果及准确率，易操作，实现对中医古籍文献，尤其是中医古籍医案的有效和全面利用，为中医领域研究打下了良好的基础。
-
公开(公告)号：CN110853067A
公开(公告)日：2020-02-28
申请号：CN201911051500.7
申请日：2019-10-31
Applicant: 北京科技大学
Abstract: 本发明提供一种基于变异型粒子群算法的图像边缘检测方法及装置，能够提高边缘检测效果和检测效率。所述方法包括：S101，初始化粒子群、最大的迭代次数及图像边缘的灰度阈值；S102，根据图像中像素灰度值与灰度阈值之间的关系，计算粒子适应度，选择适应度大的粒子进入下一代；S103，根据当前迭代次数动态调整变异概率，根据调整后的变异概率，对选择的粒子执行变异操作，并更新粒子的位置；S104，判断当前迭代次数是否达到最大的迭代次数，若是，则获取粒子群最优解得出对应的灰度阈值，否则，返回执行S102；S105，根据得到的粒子群最优解对应的灰度阈值进行图像边缘检测。本发明涉及图像处理技术领域。
-
-
-
-
-
-
-
-
-
Search Results
92
records
(took 0.06 seconds)
