-
公开(公告)号：CN109948465A
公开(公告)日：2019-06-28
申请号：CN201910148991.0
申请日：2019-02-28
Applicant: 浙江工业大学
Abstract: 一种基于多目标的表面肌电信号分类方法，包括：对通道、特征使用进行限制，在减少通道与特征的数目以便降低成本的同时，保证高效的识别效率，并防止不同动作识别率差别过大，从而建立含有四个目标的多目标问题。最后使用基于分解的多目标优化算法求解最优Pareto前沿解。使用单目标规划对肌电信号进行优化，容易忽略成本、动作识别不均匀等因素，本发明使用多目标规划对肌电信号进行建模，可以很好地避免这些问题；使用较少的特征、通道能够降低计算量，减少硬件、运算成本，加快对肌电信号的识别，做到实时性，为将来能够操控假肢完成预设动作打下良好基础。
-
公开(公告)号：CN108197809A
公开(公告)日：2018-06-22
申请号：CN201711497688.9
申请日：2017-12-28
Applicant: 浙江工业大学
Abstract: 基于维度最优转换的权值共享深度网络的实时调度方法，包括：步骤1.获取采集实际调度场合的实时数据和调度数据作为训练数据；步骤2.对步骤1中获得的实时数据进行处理，处理成为满足深度网络输入的多层二维矩阵形式；步骤3.使用步骤2中的多层二维矩阵与步骤1中获得的调度数据分别作为深度网络的输入输出，对深度网络进行训练；步骤4.将步骤3中训练好的卷积神经网络，使用在实际的调度环境中；进行实际的网络调度。
-
公开(公告)号：CN119622443A
公开(公告)日：2025-03-14
申请号：CN202411540609.8
申请日：2024-10-31
Applicant: 浙江工业大学
IPC: G06F18/241 , G06F18/10 , G06F18/213 , G06N3/0464 , G06N3/042 , G06N3/0895
Abstract: 本发明公开了一种基于对比学习和图神经网络的脑电情绪识别方法和装置，其方法包括：首先对脑电信号进行数据预处理，去除基线信号，进行时间序列分割和基线效应去除。然后构建节点特征提取模块，利用时间卷积和深度可分离卷积提取时间和空间特征。接着，使用GraphSAGE算法在完整的无向图上采样和聚合邻居节点特征，通过全连接层生成图级特征。随后，构建对比学习模块，根据图级特征生成三元组样本对，进行三元组对比学习，选择“半硬”负样本进行训练。最后，通过全连接层和softmax函数构建分类器进行情绪分类。本发明通过结合对比学习和图神经网络的方法，有效提取和利用脑电信号的时间、空间特征及图结构信息，提高了情绪识别的准确性。
-
公开(公告)号：CN112598309B
公开(公告)日：2022-04-19
申请号：CN202011597378.6
申请日：2020-12-29
Applicant: 浙江工业大学
Abstract: 基于Keras的作业车间调度方法，包括：(1)定义作业车间调度问题；(2)构建网络模型；(3)加载作业车间调度问题的DQN类。本发明融合了神经网络和Q学习的方法来对作业车间调度问题进行优化。将作业车间调度在实际应用中状态和动作当作神经网络的输入，然后经过神经网络分析后得到动作的Q值，可以极大的优化计算机内存，且可以使原本更加复杂的问题变得简单。深度Q学习算法的经验回放机制，可以将智能体于环境交互产生的经验数据依次存储到固定大小的经验池中，算法每次迭代时从经验池中随机抽取一个小批量的数据来学习，这种从经验池中随机抽取数据的方式打破了原本序列数据的强相关性，提高了算法的稳定性，并且提高了数据的利用效率。
-
-
Patent Agency Ranking
公开(公告)号：CN109934139B
公开(公告)日：2021-05-11
申请号：CN201910154588.9
申请日：2019-03-01
Applicant: 浙江工业大学
Abstract: 基于群智能算法的肌肉电信号通道组合优化方法，包括如下步骤：步骤一，采集各个通道的数据，并对数据进行预处理，步骤二需要对通道数量以及特征进行选取，步骤三，建立精度确立方法，进行精度预算。步骤四，将步骤三得到的精度利用蚁群算法进行计算，得到最优精度。发明通过启发式算法，对复杂的NP问题进行较为精准的求解，并且大大降低了训练时间。并得到优化后通道的选择。
-
公开(公告)号：CN108197809B
公开(公告)日：2021-06-08
申请号：CN201711497688.9
申请日：2017-12-28
Applicant: 浙江工业大学
Abstract: 基于维度最优转换的权值共享深度网络的实时调度方法，包括：步骤1.获取采集实际调度场合的实时数据和调度数据作为训练数据；步骤2.对步骤1中获得的实时数据进行处理，处理成为满足深度网络输入的多层二维矩阵形式；步骤3.使用步骤2中的多层二维矩阵与步骤1中获得的调度数据分别作为深度网络的输入输出，对深度网络进行训练；步骤4.将步骤3中训练好的卷积神经网络，使用在实际的调度环境中；进行实际的网络调度。
-
公开(公告)号：CN110599496A
公开(公告)日：2019-12-20
申请号：CN201910695692.9
申请日：2019-07-30
Applicant: 浙江工业大学
Abstract: 一种基于深度学习的太阳影子位移定位方法，包括如下步骤：步骤一：使用图像自适应灰度分割方法将需要定位的图像进行分割，将图像分割成影子区域、物体区域、其他区域；步骤二：运用卷积神经网络图像探测技术对影子和物体的具体位置进行探测，获得有效的影子的像素末端数据；步骤三：建立数学模型并使用鱼群算法对整个的问题进行求解。本发明通过结合深度学习技术、计算机三维重建技术、数学建模方法，可以有效的在不借助GPS等硬件设备的基础上，凭借照片中的有效信息提取照片拍摄的地点。
-
-
公开(公告)号：CN109934139A
公开(公告)日：2019-06-25
申请号：CN201910154588.9
申请日：2019-03-01
Applicant: 浙江工业大学
Abstract: 基于群智能算法的肌肉电信号通道组合优化方法，包括如下步骤：步骤一，采集各个通道的数据，并对数据进行预处理，步骤二需要对通道数量以及特征进行选取，步骤三，建立精度确立方法，进行精度预算。步骤四，将步骤三得到的精度利用蚁群算法进行计算，得到最优精度。发明通过启发式算法，对复杂的NP问题进行较为精准的求解，并且大大降低了训练时间。并得到优化后通道的选择。
-
-
-
-
-
-
-
-
-
Search Results
14
records
(took 0.018 seconds)
