-
公开(公告)号：CN116340825A
公开(公告)日：2023-06-27
申请号：CN202310308602.2
申请日：2023-03-28
Applicant: 北京工业大学
IPC: G06F18/24 , G06F18/214 , G06N3/0464 , G06N3/0475 , G06N3/045 , G06N3/096 , G06N3/084 , A61B5/372 , A61B5/00
Abstract: 一种基于迁移学习的跨被试RSVP脑电信号的分类方法属于计算机软件领域，针对RSVP‑BCI系统在更换被试时需要花费大量时间进行校准的问题。首先，使用基于结果和基于距离相结合的源域被试算法MSS对多源域被试进行筛选，以减少训练时间并在一定程度上减少或消除负迁移现象。随后，ADCN采用分窗深度卷积模型对RSVP脑电信号进行时空域上的分析，加入反向对抗网络对源域、当前被试进行区分，使得网络能够提取出两者的共同特征，最后进行分类。相比较没有MSS的ADCN算法，加入MSS算法后，训练时间减少而分类精度提升。MSS‑ADCN在被试提供少量校准试次的情况下达到可接受精度，并优于其他迁移学习算法。
-
公开(公告)号：CN116340824A
公开(公告)日：2023-06-27
申请号：CN202310307594.X
申请日：2023-03-28
Applicant: 北京工业大学
IPC: G06F18/24 , G06N3/0442 , G06N3/0464 , G06N3/045 , G06N3/084 , G06N3/08 , G06F18/214 , G06F18/21 , G06F3/01
Abstract: 本发明公开一种基于卷积神经网络的肌电信号动作识别方法。针对现有卷积神经网络提取信号图像特征时在多次卷积和下采样后边缘特征易消失，且难以提取表面肌电信号的时序特征的问题，提出了一种样本重构方法和加入了长短时记忆模块的卷积神经网络结构。首先，通过幅值偏斜和白噪声对原始数据做数据增强处理，利用空间填充曲线算法将信号转换为多通道二维图像样本，以模型的增强特征提取能力。在卷积神经网络的基础上，增加长短时记忆模块，进一步提取信号的时序特征。相较于直接使用肌电信号图像作为样本训练的卷积神经网络，本发明提出的方案能够更有效地提升对动作分类的准确性。
-
公开(公告)号：CN113840116A
公开(公告)日：2021-12-24
申请号：CN202111059128.1
申请日：2021-09-10
Applicant: 北京工业大学
IPC: H04N7/18
Abstract: 本发明公开了基于深度学习的油气管道异常情况巡检系统，该系统由无人机数据采集端、云平台、服务器、油气管道异常情况巡检平台客户端组成。无人机数据采集端采集无人机巡检的视频数据和POS数据，通过4G网络传输至云平台，云平台将数据处理后转发至服务器，最终在客户端显示。系统使用物联网技术和WebGIS技术，使无人机巡检的轨迹实时地显示在网页上，实现了对无人机巡检的实时监管；使用视频直播技术将巡检中无人机拍摄到的视频实时地传输到客户端，方便巡检人员对管道情况实时监测；使用目标检测技术识别巡检视频，及时发现管道周边的异常情况，提高了巡检的准确性。该系统是一个智能的全面的无人机巡检管理系统，对管道监管有重要意义和价值。
-
公开(公告)号：CN113506191A
公开(公告)日：2021-10-15
申请号：CN202110531725.3
申请日：2021-05-14
Applicant: 北京工业大学
Abstract: 一种基于熵权法COPARS模型的公共建筑节能改造技术决策方法，涉及公共建筑领域及节能改造领域。首先，基于目标建筑基本信息和机电系统运行数据确定待选节能改造技术；其次，选取节能量、静态投资回收期、减碳量为评价指标，并分别计算待选节能改造技术各评价指标大小；再次，建立COPARS多属性决策模型，并基于熵权法确定各评价指标权重系数；基于熵权法COPARS决策模型计算待选节能改造技术效用程度；最后，根据多属性决策模型效用程度计算结果，对待选节能改造技术进行优先排序。
-
公开(公告)号：CN111309909B
公开(公告)日：2021-07-30
申请号：CN202010091064.2
申请日：2020-02-13
Applicant: 北京工业大学
Abstract: 一种基于混合模型的文本情感分类方法属于计算机软件领域。该方法主要包含数据处理层、机器学习处理层、CNN处理层、LSTM‑Attention处理层、自适应决策层。待分类数据经过机器学习处理层、CNN处理层和LSTM‑Attention处理层分别处理，最后将其处理结果一同输入到自适应决策层中，自适应决策层根据不同处理层以往的分类结果自适应调整各层结果所占的权重，从而得到最终的分类结果。相比单一的机器学习和单一的深度学习方法，该方法处理效果明显，并且结果具有良好的可解释性，应用前景广泛。
-
Patent Agency Ranking
公开(公告)号：CN113035303A
公开(公告)日：2021-06-25
申请号：CN202110179056.8
申请日：2021-02-09
Applicant: 北京工业大学
Abstract: 本发明公开了一种中文电子病历的命名实体类别标注方法与系统，本发明主要解决如何基于联合神经网络模型在多分类问题下更准确地对中文电子病历中的命名实体进行识别和标注。主要包括：获取中文词语的词向量表示、基于HmapCNN模型对实体的结构化特征进行预提取、基于双向LSTM模型提取实体的上下文序列特征、基于CRF进行实体的序列标注，得到最终标注结果。本发明对模型进行进一步封装，设计开发基于B/S架构的交互系统，提供了对用户友好的图形化展示界面，便于对模型的使用和对结果的展示和导出等处理。
-
公开(公告)号：CN106789149B
公开(公告)日：2020-08-14
申请号：CN201611028230.4
申请日：2016-11-18
Applicant: 北京工业大学
Abstract: 本发明提供一种采用改进型自组织特征神经网络聚类算法的入侵检测方法，对云存储系统环境下日志文件数据进行数据清洗，利用基于双层聚类算法的一种自组织特征映射神经网络聚类方法对清洗后的日志数据进行训练，产生数据分类的结果，基于PCA算法进行异常分析从而达到入侵检测的目的。
-
公开(公告)号：CN111368302A
公开(公告)日：2020-07-03
申请号：CN202010154674.2
申请日：2020-03-08
Applicant: 北京工业大学
IPC: G06F21/56
Abstract: 本发明公开了基于攻击者攻击策略生成的自动威胁检测方法，通过分析目前针对复杂、多阶段网络攻击检测方法的不足，提出了一种基于攻击者意图的攻击模型和攻击者意图的精化框架，将场景数据通过攻击模型和精化框架进行精化分解并用形式化语言表示来完成软件应用系统威胁的自动化检测。该方法应用于实际案例检测中表现出准确性和合理性，成功的检测出实际系统场景中的潜在威胁，并且将检测出的威胁根据CAPEC库的威胁分类做出针对性的防御策略，为软件应用系统的网络安全防御提供了帮助。
-
公开(公告)号：CN108360722B
公开(公告)日：2020-01-17
申请号：CN201810176510.2
申请日：2018-03-03
Applicant: 北京工业大学
IPC: E04B5/17
Abstract: 本发明公开了一种带平面桁架临时支撑的装配式大模块半焊接叠合梁板结构，属于结构工程技术领域，通过连接板和螺栓将平面桁架临时支撑与梁连接为临时性整体。钢筋网设置在预制混凝土层的下层铺设于临时支撑上，钢筋网铺设完毕后浇筑预制混凝土层。在预制混凝土层上方铺设楼板上层钢筋网片并浇筑剩余楼板混凝土，形成叠合楼板。将该带平面桁架临时支撑的装配式大模块叠合梁板结构工厂预制加工完毕后运至现场吊装到位，在预制混凝土层上方按设计铺设楼板上层钢筋网片并浇筑剩余楼板混凝土，形成叠合楼板。待楼板养护结束，拆掉螺栓，卸下临时支撑，完成装配式叠合楼板施工。本发明减轻了吊装重量，提高装配精度和施工效率。
-
公开(公告)号：CN110555083A
公开(公告)日：2019-12-10
申请号：CN201910790569.5
申请日：2019-08-26
Applicant: 北京工业大学
IPC: G06F16/28
Abstract: 一种基于zero-shot无监督实体关系抽取方法属于计算机领域，通过提取文本数据中的三元组特征和领域知识图谱中的实体关系类型特征，并计算它们之间的相似度来判断实体关系类别，从而减少传统实体关系抽取方法对人工标注的依赖，并提高实体关系抽取的准确率。方法包括：数据预处理、特征提取、训练关系抽取网络模型和实体关系分类器。本方法将采用善于捕捉句子信息的卷积神经网络模型来分别提取三元组和关系类型特征，最后使用softmax预测实体关系类型标签。在模型构建过程中，可以利用稀疏标记的语料库作为训练集，在测试过程中也可以利用与训练过程中相同的参数来预测未标注三元组的类型。
-
-
-
-
-
-
-
-
-
Search Results
129
records
(took 0.075 seconds)
