-
Patent Agency Ranking
公开(公告)号：CN119150092A
公开(公告)日：2024-12-17
申请号：CN202411171767.0
申请日：2024-08-26
Applicant: 中国科学院计算技术研究所
IPC: G06F18/241 , G06F18/23 , G06F18/214 , G06N3/0895 , G06N3/098 , G16H50/70
Abstract: 本发明提供了一种医疗数据分类模型的联邦构建方法，用于联合多个有标签客户端和多个无标签客户端构建医疗数据分类模型，其中，有标签客户端指示该客户端上的数据集包括多个医疗数据及其对应的疾病标签，无标签客户端指示该客户端上的数据集仅包括多个医疗数据，所述方法包括：联邦客户端聚类步骤用于将数据分布相似的各个客户端聚类到一个子联邦集合中；联邦半监督自训练步骤用于对每个子联邦集合中的客户端进行排序，并以排序结果对无标签客户端进行打标签处理以使每个无标签客户端的所有医疗数据均被赋予目标伪标签；联邦客户端训练步骤用于基于所有有标签客户端和所有被赋予目标伪标签的无标签客户端执行多轮联邦训练得到医疗数据分类模型。
-
公开(公告)号：CN112949393A
公开(公告)日：2021-06-11
申请号：CN202110123722.6
申请日：2021-01-29
Applicant: 中国科学院计算技术研究所
Abstract: 本发明提供了一种面向肌电臂环的手势识别方法和系统，该方法基于多变量经验模态分解将不同时刻的表面肌电信号进行重构以获得时序肌电图像，并利用训练好的手势识别模型预测对应的手势类别。本发明的手势识别方法能够有效避免可穿戴肌电臂环在使用过程中因周围多块肌肉的干扰而影响手势识别精度的问题。
-
公开(公告)号：CN112783327B
公开(公告)日：2022-08-30
申请号：CN202110134953.7
申请日：2021-01-29
Applicant: 中国科学院计算技术研究所
IPC: G06F3/01 , G06K9/62 , G06K9/00 , G06V10/774 , G06V10/80 , G06V10/764 , G06V10/82 , G06N3/04 , G06N3/08
Abstract: 本发明提供了一种基于表面肌电信号进行手势识别的方法和系统，该方法使用卷积递归神经网络提取每个时刻的表面肌电信号的空间特征和时间特征，并通过注意力机制加权融合时间特征以预测用户的手势类别。本发明的手势识别方法能够自适应学习表面肌电信号的有效特征表达，实现用户手势的高精准度识别。
-
公开(公告)号：CN116204824A
公开(公告)日：2023-06-02
申请号：CN202310115408.2
申请日：2023-02-07
Applicant: 中国科学院计算技术研究所
IPC: G06F18/241 , G06F18/213 , G06F18/25 , G06F18/21 , A61B5/11 , G06F123/02
Abstract: 本发明提出一种基于注意力机制的多实例行为识别方法，包括：获取已知行为数据，生成多个行为数据包，对该行为数据包进行实例标记，并构建为训练集；构建识别模型，并以该训练集对该识别模型进行训练；该识别模型包括特征提取器、编码器和分类器，其中该编码器利用多头自注意力机制对该行为数据包内的实例进行权值分配；以该识别模型进行人体行为识别。本发明还提出一种基于注意力机制的多实例行为识别系统，以及一种用于实现多实例行为识别的数据处理装置。
-
公开(公告)号：CN112783327A
公开(公告)日：2021-05-11
申请号：CN202110134953.7
申请日：2021-01-29
Applicant: 中国科学院计算技术研究所
Abstract: 本发明提供了一种基于表面肌电信号进行手势识别的方法和系统，该方法使用卷积递归神经网络提取每个时刻的表面肌电信号的空间特征和时间特征，并通过注意力机制加权融合时间特征以预测用户的手势类别。本发明的手势识别方法能够自适应学习表面肌电信号的有效特征表达，实现用户手势的高精准度识别。
-
-
-
-
Search Results
5
records
(took 0.024 seconds)
