公开(公告)号：CN108764123A

公开(公告)日：2018-11-06

申请号：CN201810512013.5

申请日：2018-05-25

Applicant: 暨南大学

Inventor： 袁鸿 ,  任琦 ,  陈海纳 ,  杨峰 ,  吴嘉瑜

IPC: G06K9/00 ,  G06K9/62 ,  G06N3/02

CPC classification number: G06K9/00362 ,  G06K9/6232 ,  G06K9/6256 ,  G06N3/02

Abstract: 本发明公开了一种基于神经网络算法的智能识别人体睡眠姿势方法，包括以下步骤：首先，利用SPI实时压力分布测量系统Tactilus来捕捉和记录两个界面实时接触或撞击压力状态，通过USB接口把数据传输给计算机，在计算机上显示数据，并进行图像处理，这为智能睡姿识别的算法搭建提供样本；然后，搭建完善且功能强大的人机交互界面，输入样本数据类型和输出处理后数据类型均包括bmp图片格式以及Excel表格模式两种；最后，对收集并处理后的数据样本进行小波矩特征提取，利用LVQ神经网络算法对训练集进行训练、对测试集进行测试，以足够高的识别率对原始数据进行睡姿识别，输出准确可靠的识别结果。

公开(公告)号：CN113343559B

公开(公告)日：2022-05-20

申请号：CN202110546969.9

申请日：2021-05-19

Applicant: 暨南大学

Inventor： 赵卫 ,  任琦

IPC: G06F30/27 ,  G06N3/04 ,  G06N3/08 ,  G06N7/00 ,  G06F111/08 ,  G06F119/02

Abstract: 本发明公开了一种迭代重加权最小二乘法极限学习机响应面可靠性分析方法，对于工程中的大型复杂结构高度非线性的隐式功能函数，以泛化能力强，计算效率高的迭代重加权最小二乘法极限学习机这种人工神经网络近似功能函数，引入L1、L2范数型损失函数用于增强极限学习机的鲁棒性以及L1、L2范数正则化方法用于避免过度拟合；在此基础上进行蒙特卡罗模拟，对机械电子、土木工程和航空航天等领域中的工程结构进行可靠性分析。本发明在结构可靠性分析中有很好的通用性，能适应各类非线性问题，扩展了极限学习机这种高效、泛化能力强、易实现的神经网络方法在结构可靠性分析领域的适用范围，有重要的理论和工程意义。

公开(公告)号：CN113343559A

公开(公告)日：2021-09-03

申请号：CN202110546969.9

申请日：2021-05-19

Applicant: 暨南大学

Inventor： 赵卫 ,  任琦

IPC: G06F30/27 ,  G06N3/04 ,  G06N3/08 ,  G06N7/00 ,  G06F111/08 ,  G06F119/02

Abstract: 本发明公开了一种迭代重加权最小二乘法极限学习机响应面可靠性分析方法，对于工程中的大型复杂结构高度非线性的隐式功能函数，以泛化能力强，计算效率高的迭代重加权最小二乘法极限学习机这种人工神经网络近似功能函数，引入L1、L2范数型损失函数用于增强极限学习机的鲁棒性以及L1、L2范数正则化方法用于避免过度拟合；在此基础上进行蒙特卡罗模拟，对机械电子、土木工程和航空航天等领域中的工程结构进行可靠性分析。本发明在结构可靠性分析中有很好的通用性，能适应各类非线性问题，扩展了极限学习机这种高效、泛化能力强、易实现的神经网络方法在结构可靠性分析领域的适用范围，有重要的理论和工程意义。