-
公开(公告)号：CN115883301A
公开(公告)日：2023-03-31
申请号：CN202211412173.5
申请日：2022-11-11
Applicant: 杭州电子科技大学
IPC: H04L27/00 , G06F18/241 , G06F18/213 , G06F18/214 , G06N3/04 , G06N3/094
Abstract: 本方案公开了一种基于样本回想增量学习的信号调制分类模型及学习方法，包括记忆回想模块、辨别模块和分类网络，引入了基于类标签与样本标签的记忆方式，在样本记忆阶段，记忆模块会对样本进行学习并生成低维度的特征表示，在样本回想阶段，只需对回想模块输入类标签与样本标签，就可以精确回想对应的样本，无需保存样本数据，只需要保存训练的回想模块和样本标签信息即可，通过记忆回想模块这个框架来作为样本数据的仓库，克服了直接存储样本数据需占用大量内存的困境。
-
公开(公告)号：CN115496115A
公开(公告)日：2022-12-20
申请号：CN202211456173.5
申请日：2022-11-21
Applicant: 杭州电子科技大学
Abstract: 本方案公开了一种基于矢量空间分离的持续电磁信号分类方法，包括，使用无线电信号作为训练卷积神经网络的样本数据；进行第一个任务训练得到训练后的卷积神经网络；当新任务到来时，在原有卷积神经网络模型上增加新的全连接层，与旧的全连接层进行拼接输出；新任务训练过程中，基于余弦相似度控制新旧任务在矢量空间的距离，并使用L2正则化平衡新旧任务权重的大小，同时使用交叉熵损失函数区分新类与旧类；新任务训练结束后得到新的卷积神经网络。本方案引入一种相似度损失函数，并在交叉熵损失函数的共同作用下，在矢量空间中，保证新类对旧类的分类和新类之间的区分，来减少新类对旧类的影响并保证新任务的学习。
-
公开(公告)号：CN119904557A
公开(公告)日：2025-04-29
申请号：CN202411753077.6
申请日：2024-12-02
Applicant: 杭州电子科技大学
IPC: G06T13/40 , G01C21/16 , G06N3/0455 , G06N3/0442 , A61B5/11
Abstract: 本发明公开了一种基于稀疏惯性传感器的全身姿态估计方法。本发明包括：1：通过有限差分法和正向运动学算法，合成加速度数据、方向数据和角速度数据；2：通过旋转变换矩阵，对穿戴在用户头关节、左手腕关节、右手腕关节上的3个惯性传感器所采集的原始加速度数据和原始方向数据进行对齐处理；3：通过结合Transformer Encoder和双向长短时记忆网络的编码器提取惯性运动数据样本的深度特征，设计基于多层感知机的解码器计算关节的位置和相对旋转，结合人体运动学模型并分多个阶段依次估计不同部位关节的相对旋转，以实现全身姿态估计。本发明能够有效地克服现有姿态估计方法中使用稀疏惯性输入进行全身运动重建的缺陷，有效提高了系统的鲁棒性和预测精度。
-
公开(公告)号：CN115496115B
公开(公告)日：2023-05-19
申请号：CN202211456173.5
申请日：2022-11-21
Applicant: 杭州电子科技大学
IPC: G06F18/241 , G06F18/214 , G06F18/22 , G06N3/0464 , G06N3/08
Abstract: 本方案公开了一种基于矢量空间分离的持续电磁信号分类方法，包括，使用无线电信号作为训练卷积神经网络的样本数据；进行第一个任务训练得到训练后的卷积神经网络；当新任务到来时，在原有卷积神经网络模型上增加新的全连接层，与旧的全连接层进行拼接输出；新任务训练过程中，基于余弦相似度控制新旧任务在矢量空间的距离，并使用L2正则化平衡新旧任务权重的大小，同时使用交叉熵损失函数区分新类与旧类；新任务训练结束后得到新的卷积神经网络。本方案引入一种相似度损失函数，并在交叉熵损失函数的共同作用下，在矢量空间中，保证新类对旧类的分类和新类之间的区分，来减少新类对旧类的影响并保证新任务的学习。
-
-
-
Search Results
4
records
(took 0.026 seconds)
