-
公开(公告)号：CN109036573A
公开(公告)日：2018-12-18
申请号：CN201810735860.8
申请日：2018-07-06
Applicant: 苏州大学
CPC classification number: G16H50/70 , G06K9/6256 , G06K9/6273 , G06N3/0481 , G06N3/08
Abstract: 本发明公开了一种基于生成式对抗网络技术的心电图生成及分类方法，通过GAN生成式对抗网络训练心电曲线得到生成模型和判别模型，发掘和整合更多的心电曲线数据，其中，判别模型采用CNN卷积神经网络结构，对使生成的心电曲线更接近真实，通过RBF神经网络训练心电曲线得到分类模型，通过生成的心电曲线对分类模型进行测试，以使分类模型可以在临床研究中使用，实现精准医疗和智能医疗。
-
公开(公告)号：CN108596255A
公开(公告)日：2018-09-28
申请号：CN201810378883.8
申请日：2018-04-25
Applicant: 苏州大学
Abstract: 本发明公开了一种兼顾公平性的上下文感知学习的结果预测分类器，分类器采用如下分类步骤：（1）初始化分类器的探索参数；（2）初始化分类器的权重矩阵；（3）判断数据库中是否有数据，如是，则随机选取其中一条数据的特征，转至步骤（4），如否，则结束训练；（4）根据选取赌博臂的概率取出分类样本；（5）根据权重矩阵预测结果；（6）接收实际结果的反馈，判断是否满足条件，如是，则预测失败，转至步骤（7），如否，则转至步骤（3）；（7）更新分类器的权重矩阵。本发明分类器利用划分结果更新分类器，根据特征划分出类别，如划分错误，则进行分类器权重矩阵的更新，从而使分类器划分出的类别更准确了，使得预测成功率更高。
-
公开(公告)号：CN105046987A
公开(公告)日：2015-11-11
申请号：CN201510338644.6
申请日：2015-06-17
Applicant: 苏州大学
IPC: G08G1/08
CPC classification number: G08G1/08
Abstract: 本发明公开了一种基于强化学习的路面交通信号灯协调控制方法，包括对应每个路口设有监控设备，每一所述监控设备经网络模块与远程服务器连接，其控制方法为：⑴远程服务器通过接收视频信号，计算等待时间S；⑵远程服务器在每个相位状态ai下，分析获得道路拥堵情况；⑶远程服务器获得该相位状态ai下的可行度，当车流可以通过时表示为通畅，可行度为1，否则为拥堵，可行度为0；⑷等待时间S与可行度，计算出在该路口最优行车相位状态ai；⑸调整信号灯。本发明基于实时获取的视频信息，通过协调和控制一个区域内多个路口交通信号灯，提高交通通行效率，使该区域交通流量最大化，缓解路面交通拥堵情况。
-
公开(公告)号：CN104657626A
公开(公告)日：2015-05-27
申请号：CN201510086244.0
申请日：2015-02-25
Applicant: 苏州大学
CPC classification number: G06F19/18
Abstract: 本发明公开了一种利用文本数据构建蛋白质相互作用网络的方法，其特征在于，包括：⑴建立蛋白质集合；⑵记录蛋白质集合中所有蛋白质两两发生相互作用的概率值；⑶根据概率值的大小构建初始网络结构；⑹反复选择蛋白质，给定正或负作用反馈值，在初始网络结构上不断迭代，获得最终网络结构。本发明采用反复选择、相互作用的方式，以正反馈、负反馈和禁止反馈基础，通过强化学习来构建一个作用网络的概率图，与生物知识和生物数据无缝结合。
-
公开(公告)号：CN108594804A
公开(公告)日：2018-09-28
申请号：CN201810199115.6
申请日：2018-03-12
Applicant: 苏州大学
Abstract: 本发明公开了一种基于深度Q网络配送小车的自动行驶控制方法，其特征在于：包括传感系统、控制系统、驱动系统及电力系统，所述传感系统采集环境信息和电力系统信息，并将环境信息和电力系统信息传入控制系统，所述控制系统根据接收到的信息通过自我学习控制方法来处理，控制配送小车的运动状态。本发明通过在无人控制小车的控制系统中采用有安全距离的深度强化学习优化方法，处理来自传感系统获取的环境信息，然后选择合适的行动，并利用传感系统传递控制系统的控制信号到驱动系统，使无人控制小车执行对应的行动来适应千变万化的道路环境。
-
Patent Agency Ranking
公开(公告)号：CN108491497A
公开(公告)日：2018-09-04
申请号：CN201810227535.0
申请日：2018-03-20
Applicant: 苏州大学
Abstract: 本发明公开了一种基于生成式对抗网络技术的医疗文本生成方法，包括如下步骤：下载某个科属领域的多篇医疗文档；利用词向量来表示每篇医疗文档中的每个词；对每篇医疗文档进行文本分类，保留需要的医疗文档；获得每篇需要的医疗文档的最佳的输出序列标注；获得每篇需要的医疗文档的关键词集的索引，将索引随机打乱顺序，得到新的医疗文档及其对应的序列标注；采用基于生成式对抗网络的生成模型训练生成医疗文本；输出生成的医疗文本；获取生成的医疗文本的BLEU参数；对生成的医疗文本进行评估，最终得到目标医疗文本。本发明通过打乱数据生成新的医疗文本，解决病人的隐私安全问题和医疗文本较少的问题。
-
公开(公告)号：CN107292344A
公开(公告)日：2017-10-24
申请号：CN201710492773.X
申请日：2017-06-26
Applicant: 苏州大学
CPC classification number: G06K9/6223 , B25J9/163 , B25J9/1653 , B25J9/1664 , G06N3/08
Abstract: 本发明公开了一种基于环境交互的机器人实时控制方法，其特征在于：通过影像采集设备采集视频数据，获得机器人当前的状态信息，该状态信息通过以太网传输到后台服务器，所述后台服务器内安装有实时控制软件程序，由实时控制软件程序计算出机器人下一步该执行的动作，该动作控制信息再通过以太网传回给机器人，控制机器人执行动作；其中，所述实时控制软件程序是K-means聚类算法和基于ε-Greedy贪心策略的核方法的结合，计算出机器人基于环境交互的实时动作。本发明通过与未知环境的不断交互，去实现对机器人的实时控制，两种方式的结合，相互平衡，控制机器人能又好又快的完成指定任务。
-
公开(公告)号：CN105046987B
公开(公告)日：2017-07-07
申请号：CN201510338644.6
申请日：2015-06-17
Applicant: 苏州大学
IPC: G08G1/08
CPC classification number: G08G1/08
Abstract: 本发明公开了一种基于强化学习的路面交通信号灯协调控制方法，包括对应每个路口设有监控设备，每一所述监控设备经网络模块与远程服务器连接，其控制方法为：⑴远程服务器通过接收视频信号，计算等待时间S；⑵远程服务器在每个相位状态ai下，分析获得道路拥堵情况；⑶远程服务器获得该相位状态ai下的可行度当车流可以通过时表示为通畅，可行度为1，否则为拥堵，可行度为0；⑷等待时间S与可行度计算出在该路口最优行车相位状态ai；⑸调整信号灯。本发明基于实时获取的视频信息，通过协调和控制一个区域内多个路口交通信号灯，提高交通通行效率，使该区域交通流量最大化，缓解路面交通拥堵情况。
-
公开(公告)号：CN104933868B
公开(公告)日：2017-07-07
申请号：CN201510338706.3
申请日：2015-06-17
Applicant: 苏州大学
Abstract: 本发明公开了一种基于交通监控视频的实时在线交通状态检测方法，其特征在于：包括对应每个监控设备上设置一视频处理器，每一所述视频处理器经网络模块与远程服务器连接，其中:所述视频处理器读取对应所述监控设备上的视频图像，按照获得的图片求取每一帧图片中各像素点的灰度值X，并与预存参数值X‑1比较，由核方法评估该视频处理器上观察到的路段拥堵程度ci，并上传；由远程服务器通过各个实时路段拥堵程度ci进行分析，获得从一个路口到下一个路口的路段拥堵程度值C。本发明通过视频处理器分析实时图像灰度，利用核方法评估拥堵程度并上传，减少了数据传数量，实现服务器对数据的实时获取，提高交通信息的处理能力和有效性。
-
公开(公告)号：CN108415254B
公开(公告)日：2020-12-11
申请号：CN201810199112.2
申请日：2018-03-12
Applicant: 苏州大学
IPC: G05B13/04
Abstract: 本发明公开了一种基于深度Q网络的废品回收机器人控制方法及其装置，其特征在于：所述传感系统：用于感知机器人面前物体位置信息，通过图像信息表示；所述控制系统：用于控制机器人抓取手臂抓取物体与放置物体于收纳机构内；所述作业系统：接收控制系统的信息，执行各项动作；所述驱动系统：用于为作业系统执行控制系统的各项动作提供动力；所述传感系统采集环境信息和驱动系统信息，并将环境信息和驱动系统信息传入控制系统，由控制系统根据接收到的信息来计算处理，并发送信息于作业、驱动系统驱动机器人执行相应动作。本发明运用人工智能领域的强化学习算法，能够自主学习更新神经网络的参数，以使机器人达到回收物品的控制效果。
-
-
-
-
-
-
-
-
-
Search Results
26
records
(took 0.016 seconds)
