-
公开(公告)号：CN120089333A
公开(公告)日：2025-06-03
申请号：CN202510092322.1
申请日：2025-01-21
Applicant: 南昌大学
IPC: G16H50/20 , G06N3/045 , G06F18/243 , G06N3/0895 , G06F18/231
Abstract: 本发明提出一种基于Transformer算法的抑郁症情绪等级判断方法，涉及机器学习与数据挖掘领域。该方法包括：对收集到的用户相关数据进行预处理，得到数据编码序列；使用Transformer编码器，基于多头自注意力机制和代理令牌，对数据编码序列进行相关情绪特征提取，输出特征向量；将特征向量输入决策树，构建情绪判断的EJ决策树模型；将需要判断的用户数据输入到构建完成的EJ决策树模型中，判断用户情绪等级。本方法将Transformer编码器—EJ决策树模型结合，增强模型在抑郁症情绪判断中的判别力和透明度，利用代理令牌，提升情绪特征的判别能力，克服了传统模型过度依赖复杂的卷积或循环神经网络结构的特点，降低时间复杂度，使抑郁症病人情绪等级判断更加准确灵活迅速。
-
公开(公告)号：CN119903471A
公开(公告)日：2025-04-29
申请号：CN202411864119.3
申请日：2024-12-18
Applicant: 南昌大学
IPC: G06F18/25 , G06N3/0455 , G06F18/214
Abstract: 本发明公开了一种基于潜在扩散模型的机器人多模态数据生成方法及系统,方法包含：获取机器人感知所需的多模态数据，并对其进行预处理和数据增强操作，生成多模态数据集；构建基于潜在扩散模型的多模态数据生成模型，该模型包括变分自编码器、U‑Net网络和条件嵌入编码器；确定训练配置，动态调整各模态的融合权重，利用多模态数据集训练该模型；由条件信息进行引导，通过该模型进行可控多模态数据生成。本发明有效解决了机器人感知领域中数据获取困难及成本高昂的问题。通过引入潜在扩散模型，可生成高质量的大规模多模态数据，为多种下游任务提供支持，从而显著提升机器人感知能力。
-
公开(公告)号：CN119444975A
公开(公告)日：2025-02-14
申请号：CN202411334558.3
申请日：2024-09-24
Applicant: 南昌大学
IPC: G06T17/00 , G06N3/04 , G06N3/08 , G06F18/25 , G06F18/2411
Abstract: 本发明公开一种用于灵巧手掌内操作的三维重建系统及方法。系统包括壳体、多光谱单目相机、白光发射器、红外光发射器、紫外光发射器、转动机构、控制模块和智能终端。其中，转动机构可使壳体360°旋转，多光谱单目相机用于捕捉不同光谱下的物体图像，白光发射器、红外光发射器和紫外光发射器安装在三条臂的末端，分别发射白光、红外光和紫外光。控制模块和智能终端位于壳体的后方，二者通过局域网连接。本发明提供的一种用于灵巧手掌内操作的三维重建系统及方法，能够快速精准地获取物体表面形貌信息，帮助灵巧手进行掌内操作的决策。本系统重建精度高，环境适应性好，为灵巧手掌内操作时的环境信息获取提供了新的思路。
-
公开(公告)号：CN120086786A
公开(公告)日：2025-06-03
申请号：CN202510036456.1
申请日：2025-01-09
Applicant: 南昌大学
IPC: G06F18/25 , G06F18/2431 , G06F18/10 , G06N3/045 , G06N3/0464 , G06N3/096 , G06N3/092 , G06N3/09
Abstract: 本发明公开了一种基于多传感器仿真和迁移学习的物体识别方法及系统，利用多传感器仿真和迁移学习相结合的思想，在仿真环境下采集所需的数据，并对其进行数据增强处理，建立多模态传感器的迁移学习模型。与传统的数据采集方式相比，减少真实世界数据需求，提高识别精度以及增强模型的泛化性。同时，系统灵活可扩展，易于集成和扩展。本发明的方法和系统，准确率更高，对于快速大量的获取传感器数据，为传感器数据难获取提供一种可行性方法。
-
-
-
Search Results
4
records
(took 0.02 seconds)
