-
公开(公告)号：CN117764117A
公开(公告)日：2024-03-26
申请号：CN202311564046.1
申请日：2023-11-22
Applicant: 重庆邮电大学
IPC: G06N3/0464 , G01R31/367 , G01R31/392 , G06N3/0895
Abstract: 本发明涉及一种面向锂电池容量区域聚合表征的剩余寿命预测方法，属于锂电池领域。本发明提出了一种自监督学习框架C2Vec，在时间维度上使用层次对比方法来学习容量退化数据的区域聚合表征，据我们所知，这是第一个使用对比自监督学习提取容量退化数据表征的工作。在RUL预测中，C2Vec能够一次预测多个容量数据，实现真正的多步预测，且不需要额外的辅助训练集，不需要前置的分解、滤波步骤。C2Vec在现实世界的基准测试中明显优于现有的state‑of‑the‑art(SOTA)模型，例如，在NASA电池数据集上相比于CNN‑ASTLSTM模型降低了46.2％的全局平均均方根误差。
-
公开(公告)号：CN115862814A
公开(公告)日：2023-03-28
申请号：CN202211619302.8
申请日：2022-12-14
Applicant: 重庆邮电大学
Abstract: 本发明涉及一种基于智能健康数据分析的精准膳食管理方法。其技术方案是：获取的用户的身体指标数据和用户的食物图像；对用户的食物图像进行分割；根据用户的身体指标数据计算该用户每日需要摄入的营养元素；基于分割后的食物图像进行数据分析，得出实际摄入的营养含量，与推荐摄入量进行比较，基于目标规划模型，对用户现有的食物摄入进行改善，以得到最优膳食推荐方案；本发明采用目标优化模型对每日摄入的营养元素和分割后的食物图像进行处理，从而确定用于每天的最优营养摄入量，根据每天的最优营养摄入量对用于进行膳食管理，从而调理用户的身体健康。
-
公开(公告)号：CN114550018A
公开(公告)日：2022-05-27
申请号：CN202210180116.2
申请日：2022-02-25
Applicant: 重庆邮电大学
Abstract: 本发明属于用餐食物图像数据处理领域，具体涉及一种基于深度学习食物图像识别模型的营养管理方法及系统，该方法包括：用户端获取用户待摄入食物的图像，将获取的食物图像输入到训练好的基于深度学习食物图像识别模型，得到不同种类的食物子图像；计算不同种类食物子图像中所含营养的量，将所有食物中的营养素进行累加，得到该用户各种营养素总摄入量；设置各种营养的摄入阈值，将计算出的各种营养素总摄入量与对应营养素摄入阈值进行对比，得到对比结果；根据对比结果调整摄入食物的种类和数量，完成营养管理；本发明通过将用户上传的食物摄入信息通过服务器和其他数据集关联起来，得到能量、产能营养素比率是否处于适宜推荐量，最后将分析得到的数据反馈给用户，从而促使用户对膳食模式进行改进。
-
Patent Agency Ranking
公开(公告)号：CN116027198A
公开(公告)日：2023-04-28
申请号：CN202211563671.X
申请日：2022-12-05
Applicant: 重庆邮电大学
IPC: G01R31/367 , G06F18/22 , G06N3/0442 , G06N3/045 , G06N3/094 , G06N3/096 , G01R31/378 , G01R31/392
Abstract: 本发明涉及基于联合加权域对抗网络的锂电池健康状态估计方法，属于新能源技术领域。该方法包括以下步骤：S1：不同时间序列间的相似性评估；S2：进行堆叠双向长短时记忆神经网络的特征提取，然后基于改进域对抗网络的锂电池荷电估计，最后基于InfoNCE模块的特定信息保留。本发明针对锂离子电池标签数据获取难度大、实验流程复杂、环境试验多样等问题，实现锂离子电池数据信息之间的共享；在面对多种电池测试流程和多种电池老化试验条件场景下，考虑如何实现自动提取优良老化特征的同时，提高锂离子电池健康状态预测的准确性。在一定程度上弥补数据信息不充足的限制，对实现复杂环境下的锂离子电池健康状态预测是十分有意义的。
-
公开(公告)号：CN115983233A
公开(公告)日：2023-04-18
申请号：CN202310018531.2
申请日：2023-01-04
Applicant: 重庆邮电大学
IPC: G06F40/194 , G06F16/903 , G06F40/284 , G06F40/242 , G06F40/216 , G06F40/268 , G16H10/60 , G06N5/025
Abstract: 本发明属于数据处理技术领域，具体涉及一种基于数据流匹配的电子病历查重率估计方法，包括：获取历史病历数据，根据历史病历数据构建关键词词典和词频统计表；获取用户的病历数据信息，并采用对病历数据信息中的中文文字进行编码；根据关键词词典和词频统计表提取待查重病历数据信息中的特征词；采用领域词系统对提取出的特征词进行标准化处理，得到统一的特征词；对编码后的数据流，计算统一特征词和目标特征词的相似度；根据相似度计算结果对病历数据信息进行综合判别，得到电子病历查重率估计结果；本发明通过综合采用CRF与SVM模型，抽取电子病历实体与实体关系，提高了实体的检测准确度。
-
公开(公告)号：CN115798685A
公开(公告)日：2023-03-14
申请号：CN202211628844.1
申请日：2022-12-18
Applicant: 重庆邮电大学
IPC: G16H20/60 , G16H20/70 , G06V10/762 , G06F16/535 , G06F16/55 , G06F16/538
Abstract: 本发明属于数字健康管理技术领域，具体涉及一种基于食物图像分割的抑郁症膳食管理方法，包括：构建基于抑郁症膳食指数的数字健康管理数据库；获取当前用户的身体健康状况数据；根据当前用户的身体健康状况数据，结合抑郁症膳食指数的健康管理数据库，进行数据智能分析，推理当前用户的膳食推荐结果；通过数据库获取和存储用户身体健康状况数据和食物图像；对图像进行智能分割，采用Fisher判别分析法，对分割后的食物进行抗抑郁指数分析；对筛选出的食物进行聚类，根据用户的身体健康状况信息和聚类后的食物类别，设置膳食推荐结果；本发明采用的Fisher判别分析法，对食物的抑郁症膳食指数进行分析筛选，使得食物膳食推荐结果更准确。
-
公开(公告)号：CN116106773A
公开(公告)日：2023-05-12
申请号：CN202211612664.4
申请日：2022-12-15
Applicant: 重庆邮电大学
IPC: G01R31/392 , G01R31/367 , G06N3/0464 , G06N3/045 , G06N3/0475 , G06N3/094 , G06N3/09 , G06N3/049 , G06F18/241 , G06F18/214
Abstract: 本发明涉及一种基于数据增强的混合模型锂电池健康状态监测方法，属于电池检测技术领域。该方法以多头注意力机制和时序卷积混合模型为基础模型，并将生成对抗方法融入进混合神经网络模型中，设计针对时序数据生成的对抗模型，在传统的无监督生成对抗模块的基础上，添加嵌入和生成模块的有监督学习，混合神经网络的串并联打破传统神经网络方法中生成对抗学习的无监督性和单一模型对数据特征提取的局限性，弥补由于训练集不足而带来的信息缺失，实现基于有限数据集的高精度锂电池健康状况监测。本发明能够在少量的异常工况电池数据的情况下，通过数据增强的方式提供足够的数据，实现高精度的电池健康状态预测。
-
公开(公告)号：CN115171848A
公开(公告)日：2022-10-11
申请号：CN202210875572.9
申请日：2022-07-25
Applicant: 重庆邮电大学
IPC: G16H20/60 , G06V10/26 , G06V10/764
Abstract: 本发明属于监控领域，具体涉及一种基于食物图像分割和尿酸指数的膳食智能推荐系统，该系统包括：图像采集设备、图像分割模块、数据分析模块以及健康管理模块；所述图像采集设备用于采集用户的食物图片，并将采集的图像输入到图像分割模块中，得到不同类别的食物图像；数据分析模块从用户的体检报告中获取用户的尿酸指数，并根据获取的尿酸指数对用户的食物进行推荐，将推荐结果输入到健康管理模块中；健康管理模块对推荐结果进行验证，筛选出最优方案，根据最优方案对用户进行健康管理；本发明设计了一种数字健康管理系统，实现了对用户身体健康的精准管理。
-
-
-
-
-
-
-
Search Results
8
records
(took 0.023 seconds)
