-
公开(公告)号：CN118378165B
公开(公告)日：2024-08-27
申请号：CN202410809451.3
申请日：2024-06-21
Applicant: 南京信息工程大学
IPC: G06F18/2415 , G06F18/2131 , G06F18/214 , G06F18/21 , G06N3/045 , G01S7/02 , G01S7/285 , G01S7/295
Abstract: 本发明公开了一种基于自注意力机制的多维泰勒网的雷达脉内调制信号识别方法，包括：针对雷达脉内调制信号，选取分类特征，构成各个样本；随机打乱原有的以各个单位向量构成的语句序列，得到乱序数据结构；将各个单位向量构成的乱序数据结构转变为采集到的雷达信号的不同样本对应各个特征的数据构成的矩阵结构，将原本用数字对单位向量在不同维度上的表示改进为采集到的雷达信号样本对应的不同特征的数据；将自注意力机制层融入多维泰勒网，获得雷达信号分类模型。本发明充分沟通样本与样本之间的关系，兼顾在较低信噪比、选取的特征数量少、特征与目标类别相关性弱的情况下满足较高识别准确率和较快速度的需求。
-
公开(公告)号：CN117752345A
公开(公告)日：2024-03-26
申请号：CN202410194693.6
申请日：2024-02-22
Applicant: 南京信息工程大学
Abstract: 本发明涉及基于脑电信号的人体兴奋程度评估方法，首先针对预设各兴奋程度分类频率范围内的样本脑电信号，执行离散小波变换，获得相对应各级子带信号，并基于预设各待分析统计特征筛选获得各目标统计特征，进而针对预设分类网络进行训练，获得兴奋程度评估模型，即可在实际应用中针对待分析人员的兴奋程度进行分类，设计方案提高了模型的表示能力和泛化能力，与常用的深度学习方法相比，在保持高精度的同时，取得了计算速度方面的提升，能够高效实现人体兴奋程度的评估。
-
公开(公告)号：CN117807423A
公开(公告)日：2024-04-02
申请号：CN202311862878.1
申请日：2023-12-29
Applicant: 南京信息工程大学
IPC: G06F18/213 , G06F18/10 , G06F18/24 , G06N3/006 , G06F17/10
Abstract: 本发明公开了一种基于条件最大平均差异的特征提取方法，包括：采样脑电图信号；根据预设的窗口增量和全连接因子，对待检测的脑电图信号进行全连接窗口的划分；分别提取第一脑电图信号片段向量X和第二脑电图信号片段向量Y中的其中一个窗口信号，将之分别与先验知识健康人正常的脑电图信号进行高斯核函数计算；采用粒子群算法确定两个窗口信号对应的条件最大平均差异的方法的标签；将计算得到的所有窗口信号的标签组成标签向量；通过条件最大平均差异的方法计算第一脑电图信号片段向量X和第二脑电图信号片段向量Y的距离，获得待检测的脑电图信号对应的特征向量。本发明能够提高大脑诊断的效率和准确性。
-
公开(公告)号：CN117113185A
公开(公告)日：2023-11-24
申请号：CN202311074263.2
申请日：2023-08-24
Applicant: 南京信息工程大学
IPC: G06F18/241 , F24F11/38 , F24F11/64 , F24F11/70 , G06F18/214 , G06N3/048
Abstract: 本发明涉及一种基于残差多维泰勒网的暖通空调故障诊断方法，针对目标暖通空调所对应的各类型故障、考虑各暖通空调变量类型数据，针对基于BP‑MTN分类器所创新设计的残差多维泰勒网（ResNet Multidimensional Taylor Network,ResMTN）分类器进行训练，获得暖通空调故障诊断模型，其中ResMTN分类器依次包括输入层、多项式层、激活层、残差连接模块、全连接层、Softmax层、输出层，进而在应用中实现对目标暖通空调的故障诊断；设计方案简化了模型复杂度、提升模型泛化能力，与常用的机器学习分类器相比，能够在不降低分类准确率的同时，提高暖通空调的检测效率。
-
Patent Agency Ranking
公开(公告)号：CN117804026A
公开(公告)日：2024-04-02
申请号：CN202311855922.6
申请日：2023-12-29
Applicant: 南京信息工程大学
IPC: F24F11/38 , F24F11/64 , F24F11/54 , F24F110/40 , F24F110/30
Abstract: 本发明涉及一种基于霍普菲尔网络的空调机组传感故障检测方法，基于空调机组各目标模型分别对应等式约束涉及的各目标传感器，构建霍普菲尔网络，以各等式约束关于传感器实际读数下的结果，实现节点之间的相互投票，再通过霍普菲尔网络到对称化霍普菲尔网络的转换，基于对称化霍普菲尔网络的收敛状态，实现全部目标传感器中的故障定位；设计方法以霍普菲尔网络对传感器之间的约束关系进行详细表征构建，有效克服了大规模网络难以对故障进行定位的缺点，并能够针对多个传感器故障同时存在的复合故障情况进行精确定位，提高实际故障检测定位的效率。
-
公开(公告)号：CN116611008A
公开(公告)日：2023-08-18
申请号：CN202310613138.8
申请日：2023-05-29
Applicant: 南京信息工程大学
IPC: G06F18/2415 , A61B5/369 , G06N3/047 , G06N3/084
Abstract: 本发明涉及一种基于Dropout‑MTN的晕车状态识别方法，采用全新策略、以及网络结构设计，基于脑部表面预设各检测位置脑电信号波形、结合相应真实晕车状态类别所构建脑电检测样本，联系Dropout层，针对自输入端至输出端依次串联输入层、多项式层、全连接层、Softmax层、输出层的待训练网络，执行网络训练，获得晕车状态识别模型用于实际应用；设计方案简化模型复杂度、提升模型泛化能力的同时，使所设计Dropout‑MTN可以快速地实现对于晕车状态的高精度分类，并且网络结构简单，不需要进行大量的网络训练，计算复杂度低，与常用的机器学习分类器相比，能够在不降低分类准确率的同时提高检测速度。
-
公开(公告)号：CN117643475A
公开(公告)日：2024-03-05
申请号：CN202410125472.3
申请日：2024-01-30
Applicant: 南京信息工程大学
IPC: A61B5/372 , A61B5/00 , G06F18/213 , G06F18/2131 , G06F18/24 , G06F123/02
Abstract: 本发明涉及一种基于KL散度的特征提取方法，基于对连续目标脑电采样信号的等长度窗口划分，以顺序两两组合、且前后部分重叠的方式，构建各个分析组，考虑各分析组中两脑电采样信号窗口之间的联系，计算获得各分析组中各脑电采样信号窗口的概率密度，进而计算获得各分析组分别对应的相对熵，最后联系时序维度，构建连续目标脑电采样信号所对应的波动特征向量，实现连续目标脑电采样信号的波动分析，解决了现有技术中熵值计算灵敏度不足的问题，提高实际脑电信号应用场景中数据波动检测的准确性。
-
公开(公告)号：CN118378165A
公开(公告)日：2024-07-23
申请号：CN202410809451.3
申请日：2024-06-21
Applicant: 南京信息工程大学
IPC: G06F18/2415 , G06F18/2131 , G06F18/214 , G06F18/21 , G06N3/045 , G01S7/02 , G01S7/285 , G01S7/295
Abstract: 本发明公开了一种基于自注意力机制的多维泰勒网的雷达脉内调制信号识别方法，包括：针对雷达脉内调制信号，选取分类特征，构成各个样本；随机打乱原有的以各个单位向量构成的语句序列，得到乱序数据结构；将各个单位向量构成的乱序数据结构转变为采集到的雷达信号的不同样本对应各个特征的数据构成的矩阵结构，将原本用数字对单位向量在不同维度上的表示改进为采集到的雷达信号样本对应的不同特征的数据；将自注意力机制层融入多维泰勒网，获得雷达信号分类模型。本发明充分沟通样本与样本之间的关系，兼顾在较低信噪比、选取的特征数量少、特征与目标类别相关性弱的情况下满足较高识别准确率和较快速度的需求。
-
公开(公告)号：CN117643475B
公开(公告)日：2024-04-16
申请号：CN202410125472.3
申请日：2024-01-30
Applicant: 南京信息工程大学
IPC: A61B5/372 , A61B5/00 , G06F18/213 , G06F18/2131 , G06F18/24 , G06F123/02
Abstract: 本发明涉及一种基于KL散度的特征提取方法，基于对连续目标脑电采样信号的等长度窗口划分，以顺序两两组合、且前后部分重叠的方式，构建各个分析组，考虑各分析组中两脑电采样信号窗口之间的联系，计算获得各分析组中各脑电采样信号窗口的概率密度，进而计算获得各分析组分别对应的相对熵，最后联系时序维度，构建连续目标脑电采样信号所对应的波动特征向量，实现连续目标脑电采样信号的波动分析，解决了现有技术中熵值计算灵敏度不足的问题，提高实际脑电信号应用场景中数据波动检测的准确性。
-
-
-
-
-
-
-
-
Search Results
9
records
(took 0.028 seconds)
