公开(公告)号：CN117831279A

公开(公告)日：2024-04-05

申请号：CN202311792287.1

申请日：2023-12-25

Applicant: 湖南大学

Inventor： 安吉尧 ,  张漩 ,  方菊 ,  刘清钦

IPC: G08G1/01 ,  G06N3/043 ,  G06N3/042 ,  G06N3/0464

Abstract: 本发明公开面向突发流行病下城市交通认知的模糊深度学习方法。将模糊理论和图神经网络进行融合，形成一种模糊深度学习框架，以处理交通认知相关数据的复杂时空特征和外部数据的不确定性,最终进行城市交通流量预测。本框架利用模糊推理机制获得突发流行病疫情相关数据的模糊表示并提取相应特征，以处理城市交通外部因素的不规则性；同时，利用图神经网络处理交通认知相关数据，以捕捉交通数据的动态时空相关性；最后，将本模型的交通流预测结果应用于城市交通认知工作。

公开(公告)号：CN115796017A

公开(公告)日：2023-03-14

申请号：CN202211453961.9

申请日：2022-11-21

Applicant: 湖南大学

Inventor： 安吉尧 ,  钱欣姣 ,  赵谨 ,  刘清钦 ,  陈佳丽

IPC: G06F30/27 ,  G06F18/214 ,  G06F119/02

Abstract: 本发明涉及一种基于模糊理论的可解释交通认知方法，属于人工智能技术领域。交通场景实时交通数据被组织成外部属性特征矩阵、交通认知特征矩阵和邻接矩阵，预处理后的外部属性特征矩阵被送入模糊推理机制中，经过特征演算后输出属性影响特征矩阵，该矩阵和交通认知特征矩阵、邻接矩阵一同输入图卷积神经网络中，之后再输入基于门控循环单元的时间特性捕获网络中，最后输出预测结果并用于属性影响模糊分类和交通认知工作。本发明能够高效的提取交通场景中多条道路之间的时间和空间依赖特性，具有更高的交通数据认知性能和可解释性，解决了深度神经网络的透明度低、可解释性差，以及交通认知过程中对交通场景的外部属性特征考虑不足的问题。

公开(公告)号：CN113040703B

公开(公告)日：2021-08-10

申请号：CN202110611167.1

申请日：2021-06-02

Applicant: 湖南大学

Inventor： 洪鑫 ,  荣辉桂 ,  火生旭 ,  王淑禾 ,  李响 ,  刘清钦

IPC: A61B3/12 ,  A61B3/14

Abstract: 本发明公开了一种用于采集糖尿病患者视网膜病变影像的智能机械手，包括台面，所述台面的一侧设置有适配杆，且所述适配杆的顶端安装有下颌放置架，所述台面的另一侧安装有座体，且所述座体的上端连接有机械臂，机械臂5的末端连接支架。本发明中的启动机构会带动触发机构按动眼底相机，触发机构中的按压板上的倾斜支臂会对眼底相机中的快门按钮进行一定时间的轻微挤压，方便进行聚焦，而倾斜支臂上的弧形凸起面则会在按压板进行下行时对快门按钮进行完全按压，有利于触发眼底相机进行拍照，方便医生进一步观察患者的眼部状况，保证医生对患者进行有效治疗计划。

公开(公告)号：CN116227537A

公开(公告)日：2023-06-06

申请号：CN202310139505.5

申请日：2023-02-20

Applicant: 湖南大学

Inventor： 安吉尧 ,  赵谨 ,  刘清钦 ,  钱欣姣 ,  陈佳丽

IPC: G06N3/043 ,  G06N3/045 ,  G06N3/082 ,  G06N5/025 ,  G06Q10/047

Abstract: 本发明公开了一种面向交通路径认知的深度模糊模型自构建方法，交通数据被组织成时空数据、周期数据与外部数据，使用处理过的输入数据能够提高模型的整体性能，解决了传统基于统计的方法无法提取多种特征属性的深层信息的问题。能够在智能交通路径认知领域保持优秀性能的同时，拥有高度可解释性与灵活性，解决了传统深度神经网络在交通路径认知领域的可解释性低难题，推动了交通路径认知模型实际应用过程。本发明使用改进了王‑孟德尔算法从数据中提取模糊规则，提取的模糊规则大大提高了模型的可解释性，减少了生成的模糊规则数量，提高了算法在面对高维度问题时的性能，大幅缩短了训练时间。

公开(公告)号：CN113040703A

公开(公告)日：2021-06-29

申请号：CN202110611167.1

申请日：2021-06-02

Applicant: 湖南大学

Inventor： 洪鑫 ,  荣辉桂 ,  火生旭 ,  王淑禾 ,  李响 ,  刘清钦

IPC: A61B3/12 ,  A61B3/14

Abstract: 本发明公开了一种用于采集糖尿病患者视网膜病变影像的智能机械手，包括台面，所述台面的一侧设置有适配杆，且所述适配杆的顶端安装有下颌放置架，所述台面的另一侧安装有座体，且所述座体的上端连接有机械臂，机械臂5的末端连接支架。本发明中的启动机构会带动触发机构按动眼底相机，触发机构中的按压板上的倾斜支臂会对眼底相机中的快门按钮进行一定时间的轻微挤压，方便进行聚焦，而倾斜支臂上的弧形凸起面则会在按压板进行下行时对快门按钮进行完全按压，有利于触发眼底相机进行拍照，方便医生进一步观察患者的眼部状况，保证医生对患者进行有效治疗计划。

公开(公告)号：CN119577472A

公开(公告)日：2025-03-07

申请号：CN202411647607.9

申请日：2024-11-18

Applicant: 湖南大学

Inventor： 安吉尧 ,  蒲朝辉 ,  刘清钦 ,  张擂

IPC: G06F18/22 ,  G06F18/213 ,  G06F16/29 ,  G06N3/045 ,  G06N3/042 ,  G06N3/0464 ,  G06N3/084 ,  G06N3/0985 ,  G06F123/02

Abstract: 本发明涉及智能交通、深度学习、人工智能领域，尤其涉及面向城市交通节点模式相似度认知的深度学习方法。交通速度数据被组织成由特征矩阵和邻接矩阵组成的图数据格式。处理后的速度数据被送入动态多图构造器中，并且将输出的动态邻接矩阵与空间邻接矩阵一同送入多尺度图卷积模块，速度数据在每个时空层经过扩展因果卷积处理后也被送入多尺度图卷积模块，通过跳跃连接从每个时空层中拼接得到最终的结果。最后，对动态多图所反映的交通模式相似性进行分析。本发明能更高效的提取智能交通场景中的时空依赖特征，并解决了图卷积网络中的感受视野受限的问题，以及交通模式相似度分析中对长期交通模式的考虑不足问题。