-
公开(公告)号：CN116484190A
公开(公告)日：2023-07-25
申请号：CN202310473049.8
申请日：2023-04-27
Applicant: 厦门大学
IPC: G06F18/20 , G06K17/00 , G06N3/0442 , G06N3/08
Abstract: 本发明公开了一种协助学生上网课的行为识别方法，首先，获取学生的头部动作信号，其中，学生的头部动作信号包括RFID电子标签的相位和接收的信号强度指示；接着，构建训练好的动作识别模型，并将学生的头部动作信号输入到动作识别模型以便输出对应的头部动作；最后，根据预设应用场景对输出的所述头部动作进行解析，以便执行对应操作；由此，通过RFID识别学生头部动作信号，以便根据头部动作实现多应用场景执行对应操作，从而在降低学生隐私公开的同时还提高了上网课效率。
-
公开(公告)号：CN116381600A
公开(公告)日：2023-07-04
申请号：CN202310473902.6
申请日：2023-04-27
Applicant: 厦门大学
IPC: G01S5/02
Abstract: 本发明公开了一种基于模糊神经网络的RFID定位方法，首先，实时获取设置在定位区域的多个锚点标签和目标标签的信号强度指示，以便得到带有时序性特征的数据集；接着，对带有时序性特征的数据集进行判断，以得到目标标签相对多个锚点标签的目标隶属度值；最后，将目标隶属度值输入到神经网络模型以得到目标隶属度值对应的概率值，以便根据概率值中的最大值得到目标标签的当前位置；由此，通过结合模糊推理系统和神经网络比较锚点标签的信号强度与目标标签的信号强度，从而得到比只计算目标标签和RFID阅读器距离更精确的定位信息。
-
公开(公告)号：CN112597392B
公开(公告)日：2022-09-30
申请号：CN202011564661.9
申请日：2020-12-25
Applicant: 厦门大学
IPC: G06F16/9535 , G06Q30/06 , G06N3/04 , G06N3/08
Abstract: 本发明公开了一种动态注意力和分层强化学习的推荐系统，包括用户画像矫正器：通过删除噪声数据来修改用户画像；(2)动态注意力机制：自动调整用户偏好的变化；(3)推荐模型：向相关用户推荐目标物品。所述推荐系统具有以下特点：动态注意力机制通过一个多层感知器自动调整每个交互过程中相应物品的attention权重，并将基于分层强化学习的用户画像矫正器合并到一个统一的框架中；其次，为了增强推荐系统的自适应性，以提高推荐的准确性，推荐系统针对不同时段物品交互的信息，在attention权重上增加了一个自适应系数，以便在每个推荐阶段自动更新相应物品的attention权重；最后，与HRL模型相比，本推荐系统可以提高策略评估的收敛速度，每个推荐阶段的开销时间更少。
-
公开(公告)号：CN112597391A
公开(公告)日：2021-04-02
申请号：CN202011564657.2
申请日：2020-12-25
Applicant: 厦门大学
IPC: G06F16/9535 , G06Q30/06 , G06N20/00
Abstract: 本发明公开了一种基于动态递归机制的分层强化学习的推荐系统，包括用户画像矫正器：采用一种动态递归机制的策略梯度方法，及引入参数动态稀疏权重以删除噪声数据来修改用户画像，其中，所述动态递归机制的策略梯度方法包括：动态基线和基于时序上下文的递归强化学习，所述动态基线为采用动态稀疏权重对总收益进行学习策略的改进；注意力机制：用于自动调整用户偏好的变化；推荐模型：用于通过注意力机制向用户推荐最相关物品。本发明的推荐系统，通过在策略梯度方法中引入一个参数动态稀疏权重，使智能体在全局最优策略下选择最优行为；其次，结合时间上下文的分层强化学习，该方法能够更可靠地收敛，从而提高模型预测的稳定性。
-
Patent Agency Ranking
公开(公告)号：CN112597392A
公开(公告)日：2021-04-02
申请号：CN202011564661.9
申请日：2020-12-25
Applicant: 厦门大学
IPC: G06F16/9535 , G06Q30/06 , G06N3/04 , G06N3/08
Abstract: 本发明公开了一种动态注意力和分层强化学习的推荐系统，包括用户画像矫正器：通过删除噪声数据来修改用户画像；(2)动态注意力机制：自动调整用户偏好的变化；(3)推荐模型：向相关用户推荐目标物品。所述推荐系统具有以下特点：动态注意力机制通过一个多层感知器自动调整每个交互过程中相应物品的attention权重，并将基于分层强化学习的用户画像矫正器合并到一个统一的框架中；其次，为了增强推荐系统的自适应性，以提高推荐的准确性，推荐系统针对不同时段物品交互的信息，在attention权重上增加了一个自适应系数，以便在每个推荐阶段自动更新相应物品的attention权重；最后，与HRL模型相比，本推荐系统可以提高策略评估的收敛速度，每个推荐阶段的开销时间更少。
-
公开(公告)号：CN116738144A
公开(公告)日：2023-09-12
申请号：CN202310510942.3
申请日：2023-05-08
Applicant: 厦门大学
IPC: G06F18/10 , G06F18/214 , G06K17/00
Abstract: 本申请的实施例提供了一种基于RFID的人体行为检测方法、装置、介质及设备。该方法包括：所述方法包括：接收由所述天线传输的预定时间长度内的信号特征信息，所述信号特征信息包括所述天线在所述预定时间长度对应时间段内所接收到信号的信号接收强度以及信号相位；对所述信号特征信息进行预处理，得到待识别数据集；将所述待识别数据集输入至预先训练完成的人体行为识别模型，以使所述人体行为识别模型输出对应的人体行为识别结果，所述人体行为识别模型基于概率稀疏化自注意力机制训练得到。本申请实施例的技术方案可以降低设备部署的难度，减少模型的计算复杂度并保证人体行为识别的准确度。
-
公开(公告)号：CN116486341A
公开(公告)日：2023-07-25
申请号：CN202310473044.5
申请日：2023-04-27
Applicant: 厦门大学
IPC: G06V20/52 , G06V40/10 , G06V10/774 , G06K17/00
Abstract: 本申请的实施例提供了一种基于RFID的人体行为识别模型的训练、识别方法及装置。该训练方法包括：分别对目标域训练数据集中的信号接收强度指示序列和相位值序列进行预处理，得到对应的信号接收强度指示矩阵以及相位值矩阵，并输入至经源域训练数据集预训练后的人体行为识别模型，以输出对应的加权后的目标特征向量；将加权后的目标特征向量输入至域判别器，以输出对应的域判别标签；进行批量光谱惩罚计算，并根据计算结果以及域判别标签，对人体行为识别模型进行调优，以得到目标人体行为识别模型。本申请实施例的技术方案可以消除不可转移的特征和特定领域特征的影响，提高人体行为识别精度。
-
公开(公告)号：CN112597391B
公开(公告)日：2022-08-12
申请号：CN202011564657.2
申请日：2020-12-25
Applicant: 厦门大学
IPC: G06F16/9535 , G06Q30/06 , G06N20/00
Abstract: 本发明公开了一种基于动态递归机制的分层强化学习的推荐系统，包括用户画像矫正器：采用一种动态递归机制的策略梯度方法，及引入参数动态稀疏权重以删除噪声数据来修改用户画像，其中，所述动态递归机制的策略梯度方法包括：动态基线和基于时序上下文的递归强化学习，所述动态基线为采用动态稀疏权重对总收益进行学习策略的改进；注意力机制：用于自动调整用户偏好的变化；推荐模型：用于通过注意力机制向用户推荐最相关物品。本发明的推荐系统，通过在策略梯度方法中引入一个参数动态稀疏权重，使智能体在全局最优策略下选择最优行为；其次，结合时间上下文的分层强化学习，该方法能够更可靠地收敛，从而提高模型预测的稳定性。
-
公开(公告)号：CN116503437A
公开(公告)日：2023-07-28
申请号：CN202310504587.9
申请日：2023-05-06
Applicant: 厦门大学
IPC: G06T7/207 , G06T7/246 , G06F18/213 , G06V10/764 , G06V10/774 , G06K7/10 , G06V10/82 , G06N3/0475 , G06N3/0895
Abstract: 本发明公开了一种基于小样本学习的RFID手指踪迹识别方法，首先，获取标签阵列发送的带有时序性特征的原始手指反射信号；接着，对原始手指反射信号进行特征提取，以得到可视化的手指踪迹空间特征图；最后，构建踪迹识别模型，并将手指踪迹空间特征图输入到踪迹识别模型，以便完成对手指踪迹空间特征图的识别；由此，能够在无需人体佩戴任何设备和极少数训练样本的情况下实现高精度、细粒度的手指踪迹识别。
-
-
-
-
-
-
-
-
Search Results
9
records
(took 0.017 seconds)
