-
公开(公告)号：CN114098768B
公开(公告)日：2024-05-03
申请号：CN202111417486.5
申请日：2021-11-25
Applicant: 哈尔滨工业大学
Abstract: 基于动态阈值和EasyTL的跨个体表面肌电信号手势识别方法，属于康复治疗领域，为了解决现有的识别方法在模型选择和参数调节时，存在耗时长以及识别效率低的问题。本发明针对样本个体采集的原始表面肌电信号进行滤波和活动段识别后，进行特征值提取，构建源域；以源域为基础，引入概率矩阵和中心距离构建损失函数，通过线性规划方法求出解迁移学习分类器；对待识别个体的原始表面肌电信号依次进行采集、滤波和活动段识别后，进行特征值提取，生成目标域；将目标域与源域进行域内对齐后输入迁移学习分类器，完成对待识别个体的手势动作的识别。有益效果为避免了模型选择和参数调节的同时，减少了标签数据和训练时间。
-
公开(公告)号：CN113319855A
公开(公告)日：2021-08-31
申请号：CN202110719915.8
申请日：2021-06-28
Applicant: 哈尔滨工业大学
IPC: B25J9/16
Abstract: 一种多关节诊疗机器人柔顺力控制模式下的重力补偿方法，属于诊疗机器人力控领域，为了解决现有的重力补偿方法对诊疗机器人重力补偿精度不足的问题。本发明实时记录机器人多个姿态下的姿态矩阵以及传感器的测量值，构造线性方程组，通过最小二乘法求解诊疗工具的参数向量；在诊疗工具处于初始位置时以及按照大地坐标系调整诊疗工具的姿态，使诊疗工具的重力只剩沿六维力与力矩传感器坐标的y轴方向时，分别记录传感器的测量值；在传感器坐标系下，利用降维解析法计算诊疗工具重心的位置；计算出诊疗工具的重力分量与力矩分量补偿值，实现对诊疗工具的重力补偿。有益效果为实现对多种诊疗工具在多姿态工作模式下的高精度重力补偿。
-
公开(公告)号：CN112364808A
公开(公告)日：2021-02-12
申请号：CN202011330703.2
申请日：2020-11-24
Applicant: 哈尔滨工业大学
Abstract: 基于FMCW雷达与人脸跟踪识别的活体身份认证方法，涉及身份识别技术领域。本发明是为了解决现有的人脸识别技术难以精确的对照片、视频、建模等欺骗手段进行区分的问题。本发明首先通过FMCW雷达对测量物进行呼吸及心跳信号检测，当被测物具有呼吸及心跳信号后将对人脸进行检测，跟踪及特征提取，并通过FMCW雷达提取当前测量人员的呼吸信号特征，最后对提取的面部特征及人员呼吸特征分别与训练集的样本进行比对，当两部分的比对结果均为是时，则身份识别成功，若存在一个甚至多个不是，则识别失败。
-
公开(公告)号：CN114118406B
公开(公告)日：2025-04-11
申请号：CN202111262226.5
申请日：2021-10-28
Applicant: 哈尔滨工业大学 , 中国航天科工集团第二研究院
IPC: G06N3/0495 , G06N3/084 , G06N3/0464
Abstract: 一种卷积神经网络的量化压缩方法，解决了如何能够在提高压缩比的同时有效保留精度的问题，属于神经网络加速领域。本发明包括：S1、获取卷积神经网络的原始权重张量、输入特征张量以及量化点；S2、将原始权重张量输入至DP结构，DP结构对原始权重张量进行修改，输出修改后的原始权重张量；S3、利用量化点及量化函数对修改后的原始权重张量及除第一层外的原始输入特征张量进行定点量化；利用定点量化后的权重张量和输入特征张量替换原始权值张量和输入特征张量，得到量化后的卷积神经网络；S4、将训练数据输入至量化后的卷积神经网络，计算loss，利用反向传播和梯度下降更新DP结构的参数和原始权重张量，转入S2，进行下一轮，直至训练完成。
-
Patent Agency Ranking
公开(公告)号：CN113319855B
公开(公告)日：2022-04-12
申请号：CN202110719915.8
申请日：2021-06-28
Applicant: 哈尔滨工业大学
IPC: B25J9/16
Abstract: 一种多关节诊疗机器人柔顺力控制模式下的重力补偿方法，属于诊疗机器人力控领域，为了解决现有的重力补偿方法对诊疗机器人重力补偿精度不足的问题。本发明实时记录机器人多个姿态下的姿态矩阵以及传感器的测量值，构造线性方程组，通过最小二乘法求解诊疗工具的参数向量；在诊疗工具处于初始位置时以及按照大地坐标系调整诊疗工具的姿态，使诊疗工具的重力只剩沿六维力与力矩传感器坐标的y轴方向时，分别记录传感器的测量值；在传感器坐标系下，利用降维解析法计算诊疗工具重心的位置；计算出诊疗工具的重力分量与力矩分量补偿值，实现对诊疗工具的重力补偿。有益效果为实现对多种诊疗工具在多姿态工作模式下的高精度重力补偿。
-
公开(公告)号：CN114098768A
公开(公告)日：2022-03-01
申请号：CN202111417486.5
申请日：2021-11-25
Applicant: 哈尔滨工业大学
Abstract: 基于动态阈值和EasyTL的跨个体表面肌电信号手势识别方法，属于康复治疗领域，为了解决现有的识别方法在模型选择和参数调节时，存在耗时长以及识别效率低的问题。本发明针对样本个体采集的原始表面肌电信号进行滤波和活动段识别后，进行特征值提取，构建源域；以源域为基础，引入概率矩阵和中心距离构建损失函数，通过线性规划方法求出解迁移学习分类器；对待识别个体的原始表面肌电信号依次进行采集、滤波和活动段识别后，进行特征值提取，生成目标域；将目标域与源域进行域内对齐后输入迁移学习分类器，完成对待识别个体的手势动作的识别。有益效果为避免了模型选择和参数调节的同时，减少了标签数据和训练时间。
-
公开(公告)号：CN112684897A
公开(公告)日：2021-04-20
申请号：CN202011643295.6
申请日：2020-12-30
Applicant: 哈尔滨工业大学
Abstract: 一种基于SVM典型相关分析的脑电通道选择算法，涉及一种脑电信号最佳通道选择方法，为了解决多通道采集方式中计算量与复杂度高，耗费大量运算时间以及不利于被试者穿戴的问题。本发明通过对原始脑电信号进行空间滤波，保留脑电信号中有效的频带，再进行小波包两层分解，提取小波包系数；计算小波能量，然后获取通道特征组；获取初始权重；并按由大到小的顺序进行排序，利用SVM，按照各个通道对实际运动想象意图分类结果的贡献程度进行更新，得到更新后的通道权重并对其进行数据分析与信号处理，进行最佳通道的判断，得出最有效的电极位置。有益效果为计算量小，提高了设备的便携性和可穿戴性。
-
公开(公告)号：CN117631681A
公开(公告)日：2024-03-01
申请号：CN202311528687.1
申请日：2023-11-16
Applicant: 哈尔滨工业大学
IPC: G05D1/46 , G05D1/695 , G05D109/20
Abstract: 基于概率链的无人机侦察任务分配方法、设备和介质，属于无人机控制技术领域，解决无人机侦察任务分配过程中计算量过大以及算法性能低问题。本发明的方法包括：通过使用基于概率链的并行加速遗传算法(CPGA)，该技术能够有效地最小化冗余融合，提高启发式效率。它优先考虑飞行成本和任务平衡的整合，旨在最小化无人机群执行任务的总消耗。该技术还通过自适应交叉操作器和贝叶斯搜索优化，实现了全球优化寻求能力的显著改进和整体算法性能的提升。在硬件方面，该技术也进行了并行加速的优化，有效利用计算资源，提供实时性能。本发明适用于无人机侦察任务分配技术的优化，特别是在需要大规模无人机协同工作、执行复杂、多目标侦察任务的场景中。
-
公开(公告)号：CN114118406A
公开(公告)日：2022-03-01
申请号：CN202111262226.5
申请日：2021-10-28
Applicant: 哈尔滨工业大学 , 中国航天科工集团第二研究院
Abstract: 一种卷积神经网络的量化压缩方法，解决了如何能够在提高压缩比的同时有效保留精度的问题，属于神经网络加速领域。本发明包括：S1、获取卷积神经网络的原始权重张量、输入特征张量以及量化点；S2、将原始权重张量输入至DP结构，DP结构对原始权重张量进行修改，输出修改后的原始权重张量；S3、利用量化点及量化函数对修改后的原始权重张量及除第一层外的原始输入特征张量进行定点量化；利用定点量化后的权重张量和输入特征张量替换原始权值张量和输入特征张量，得到量化后的卷积神经网络；S4、将训练数据输入至量化后的卷积神经网络，计算loss，利用反向传播和梯度下降更新DP结构的参数和原始权重张量，转入S2，进行下一轮，直至训练完成。
-
-
-
-
-
-
-
-
Search Results
9
records
(took 0.022 seconds)
