公开(公告)号：CN118569305A

公开(公告)日：2024-08-30

申请号：CN202410569102.9

申请日：2024-05-09

Applicant: 电子科技大学长三角研究院(衢州)

Inventor： 袁国慧 ,  王卓然 ,  魏名广 ,  路畅 ,  肖剑

IPC: G06N3/042 ,  G06N3/008

Abstract: 本发明专利属于多智能体系统和深度学习领域，公开了一种基于超图神经网络的多模态轨迹预测方法及装置，主旨在于解决在多智能体通信中断场景下信息丢失导致算法失效的问题，主要方案利用Gazebo仿真平台构建多智能体集群仿真环境，采集并预处理智能体运动轨迹数据，构建数据集。采用图表示和注意力机制学习成对智能体交互特征，构建交互关系模型，通过神经信息传递机制更新智能体节点信息。设计基于条件变分自动编码器的多模态轨迹预测框架，融合交互关系模型和Transformer网络，实现长期高精度预测。通过模型量化提高实时性，并移植到集群控制算法中。在Gazebo仿真平台模拟通信中断场景测试，有效避免失控或碰撞问题，提升多智能体集群控制性能。

公开(公告)号：CN116433642A

公开(公告)日：2023-07-14

申请号：CN202310425220.8

申请日：2023-04-18

Applicant: 电子科技大学长三角研究院(衢州)

Inventor： 袁国慧 ,  王卓然 ,  路畅 ,  傅杭铭 ,  魏名广

IPC: G06T7/00 ,  A61B5/00 ,  G06V10/764 ,  G06V10/77 ,  G06V10/32 ,  G06V10/40 ,  G06V10/82 ,  G16H50/20 ,  G16H50/70 ,  G16H10/60 ,  G06N3/048 ,  G06N3/0455 ,  G06N3/0464 ,  G06N3/08

Abstract: 本发明公开了一种基于BEFAST判断原则的脑卒中行为检测方法，包括以下步骤：依据BEFAST判断原则采集人体状态的数据集；对采集到的数据进行预处理；搭建基于深度学习的双神经网络模型；利用预处理后的数据对神经网络进行训练；通过深度学习建立的网络模型对被测人员进行检测，检测脑卒中症状；根据网络模型的检测结果，以及被测人员的身体情况给予合理建议。本发明结合深度学习技术与BEFAST判断原则，采用双神经网络去判断脑卒中患病概率，相比于当下技术，从更显性的特征进行判断，降低了实施难度；从多维特征结合的角度进行判断，大大降低了误判、漏判概率。