-
公开(公告)号：CN112396094B
公开(公告)日：2022-05-20
申请号：CN202011204366.2
申请日：2020-11-02
Applicant: 华中科技大学
IPC: G06K9/62
Abstract: 本发明公开了一种同时用于情感分类和回归的多任务主动学习方法和系统，属于情感计算领域。本发明结合主动学习分类方法在EC任务上，和主动学习回归方法在ER任务上对于无标签样本的价值度量，得到主动学习在多个任务上对于无标签样本总的价值度量，同时挖掘类别型情感和维度型情感的信息，从而只需选择尽可能少的样本进行标注，即可同时训练得到具有良好性能的EC模型和单个或多个维度上的ER模型，实验验证，在相同的询问次数下，本发明提出的方法比起单任务的主动学习方法训练得到的EC模型和多个维度的ER模型具有更好的性能，极大地减少了标注代价。
-
-
公开(公告)号：CN106899297B
公开(公告)日：2020-05-19
申请号：CN201710034221.4
申请日：2017-01-17
Applicant: 华中科技大学
IPC: H03M1/08
Abstract: 本发明公开了一种基于忆阻器的AD转换电路，相对于现有的双积分型AD转换电路，所设计的AD转换电路体积较小，便于集成，电路结构比较简单，且对整个电路系统造成的电磁干扰较小。现有的双积分型AD转换电路含有体积很大的电容，在电路设计中必须通过外接，无法集成。而忆阻器的体积非常小，便于集成，可以有效减小电路体积。同时，所设计的AD转换电路比现有的双积分型AD转换电路减少了一个放电控制电路，降低了电路复杂度。电容充放电会给电路系统造成很大的电磁干扰，给电路设计造成困难。而忆阻器相当于阻值变化的电阻，产生的电磁干扰非常小。所设计的AD转换电路对周期性的对称干扰信号具有很强的抑制能力。
-
公开(公告)号：CN107742153B
公开(公告)日：2020-02-21
申请号：CN201710981702.6
申请日：2017-10-20
Applicant: 华中科技大学
Abstract: 本发明公开了一种基于忆阻器的具有稳态可塑性的神经元电路，包括：激发模块，脉冲产生模块和反馈模块；激发模块的信号输入端接收前神经元产生的输入脉冲，用于根据输入脉冲输出激发脉冲；脉冲产生模块的输入端连接至激发模块的输出端，用于根据激发脉冲的触发产生相应的兴奋脉冲，反馈模块的输入端连接至脉冲产生模块的第二输出端，反馈模块的输出端连接至激发模块的反馈输入端，反馈模块用于将兴奋脉冲的频率与神经元固有脉冲频率进行比较，并根据比较结果输出相应的反馈电压。本发明能够实现生物神经系统中的一种负反馈机制—内稳态可塑性，能够自适应调节神经元的兴奋频率，并且使兴奋频率保持在神经元的固有兴奋频率。
-
公开(公告)号：CN106815636A
公开(公告)日：2017-06-09
申请号：CN201611258488.3
申请日：2016-12-30
Applicant: 华中科技大学
CPC classification number: G06N3/0445 , G06N3/0635
Abstract: 本发明公开了一种基于忆阻器的神经元电路，包括突触电路，神经元激活函数电路和突触权重控制电路；突触电路中，一个忆阻器在四个MOS管的控制下，改变忆阻值来模拟突触权重在生物神经网络中的变化。所设计的神经元突触电路能够与数字逻辑电平直接相连，简便的实时的对突触权重进行调节。利用运算放大器的输出电压受到电源电压限制这一特点，实现了神经元电路激活函数为饱和线性函数。神经元的突触权重改变电路可以使用现有的CMOS微控制器，同时，可以在微控制器中加载神经网络算法改变突触权重，实现相应的功能。本发明可以将多个神经元电路连接成大型的神经网络，实现复杂的功能。如模式识别，信号处理，联想记忆，非线型映射等。
-
Patent Agency Ranking
公开(公告)号：CN119313996B
公开(公告)日：2025-04-29
申请号：CN202411882228.8
申请日：2024-12-19
Applicant: 华中科技大学
IPC: G06V10/764 , G06V10/82 , G06V10/774 , G06N3/084 , G06N3/04
Abstract: 本发明属于图像分类相关技术领域，其公开了一种实现零样本重放和简约扩展的连续图像分类模型训练方法及其系统，训练方法包括：通过求解面向当前分类任务单位基向量的优化目标函数，从单位超球面上分配当前分类任务的最优等夹角基向量矩阵并将其加入保存有历史分类任务的等夹角基向量矩阵的等夹角基向量矩阵集合中以更新集合；在训练的前向传播中，通过求解最小化统计依赖问题确定各隐含层的最佳全局输出表征；在训练的反向传播中，利用梯度下降法反馈调节各隐含层的网络参数。本发明在连续图像分类任务上能够实现稳定性和可塑性之间的平衡，具有零样本重放和简约扩展的特性，且通过对各步骤优化问题进行改进，大大提高了训练效率。
-
公开(公告)号：CN119829872A
公开(公告)日：2025-04-15
申请号：CN202411890869.8
申请日：2024-12-20
Applicant: 华中科技大学
Abstract: 本发明公开了一种基于改进压缩感知的电力系统时滞多链路复杂动态网络拓扑识别方法，属于电力系统时滞多链路复杂动态网络的拓扑结构识别领域，该方法通过采样网络节点状态，计算网络演化过程中内同步与状态收敛的评估指标，设定触发随机脉冲驱动的阈值，防止网络节点发生内同步或者状态收敛至固定值；然后对采样数据进行清洗和整合，构造适用于压缩感知方法的传感矩阵和采样信号，以建立压缩感知识别网络拓扑的数学模型，通过求解该模型得到网络拓扑信号，进而恢复网络拓扑结构。该方法能够避免由于复杂网络发生内同步或者状态收敛导致的识别失败问题，与传统的基于自适应同步的方法相比控制成本更低，对系统自身的扰动更小。
-
公开(公告)号：CN119200622B
公开(公告)日：2025-03-14
申请号：CN202411714211.1
申请日：2024-11-27
Applicant: 华中科技大学
IPC: G05D1/43 , G05D1/644 , G05D1/692 , G05D1/648 , G05D109/10
Abstract: 本发明公开了一种基于ODE‑PDE的编队控制方法及系统，属于多智能体集群控制领域，包括：建立待控制系统的异构多智能体系统模型，并计算各智能体的ODE跟踪误差系统模型，通过部分连续化处理得到稀疏‑密集分布智能体共享的ODE‑PDE误差系统模型。在任意时刻，利用第一RBF神经网络拟合稀疏分布智能体的非线性函数并计算控制信号，代入对应的ODE跟踪误差系统模型，利用第二RBF神经网络拟合密集分布智能体的非线性函数并计算控制信号，代入对应的PDE跟踪误差系统模型。若ODE‑PDE跟踪误差系统收敛，则编队控制结束；否则，继续更新控制信号并使实体对象执行相应的动作。本发明能有效利用多智能体系统的协同控制实现任意规模、任意分布的系统的编队控制。
-
公开(公告)号：CN119323245A
公开(公告)日：2025-01-17
申请号：CN202411874322.9
申请日：2024-12-19
Applicant: 华中科技大学
IPC: G06N3/084 , G06N3/048 , G06F18/241
Abstract: 本发明公开了一种匹配任务难度的类别增量学习模型定制化方法、装置及存储介质，属于分类网络设计领域。该方法包括：设计匹配当前任务难度的不等式约束，筛选随机节点，以构建类别增量学习模型的表征学习层的神经单元；以动态前向更新的方式更新类别增量学习模型的分类器层的输出权值；基于当前任务的训练数据计算输出概率，并根据输出概率对应的激活阈值对神经单元进行参数化，更新类别增量学习模型，得到定制化的类别增量学习模型；获取训练过的某一任务的测试数据，将测试数据输入定制化的类别增量学习模型中激活对应的神经单元，得到输出类别。分配与任务难度相匹配的扩展配额，使得网络的扩展与适应新任务所需的模型容量相匹配。
-
公开(公告)号：CN119311014A
公开(公告)日：2025-01-14
申请号：CN202411865067.1
申请日：2024-12-18
Applicant: 华中科技大学
IPC: G05D1/43 , G05D1/644 , G05D1/692 , G05D1/648 , G05D109/10
Abstract: 本发明公开了一种基于跨物种仿生的编队控制方法及系统，属于多智能体集群控制领域，包括：建立待控制系统的异构多智能体系统模型，设计通信协议，得到各稀疏分布智能体对应于捕食者种群模型的ODE跟踪误差系统模型和密集分布智能体共享的对应于人类疾病传播模型的PDE跟踪误差系统模型；在任意时刻，根据各稀疏分布智能体的位置误差、虚拟智能体自身的跟踪误差以及通信时滞计算控制信号，并代入人类疾病传播模型的边界处；若各智能体跟踪误差均收敛，则编队控制结束；否则，继续更新控制信号并使实体对象执行相应的动作。本发明能够基于生物模型自稳定、自适应性实现任意规模、任意分布的多智能体系统的协同控制，并提高控制策略的可靠性。
-
-
-
-
-
-
-
-
-
Search Results
73
records
(took 0.026 seconds)
