-
公开(公告)号：CN116842361A
公开(公告)日：2023-10-03
申请号：CN202310750180.4
申请日：2023-06-25
Applicant: 安徽大学
IPC: G06F18/213 , A61B5/372 , A61B5/374 , G06F18/24 , G06F18/25 , G06N3/0442 , G06N3/048 , G06N3/09 , G16H50/30
Abstract: 本发明公开了基于时频注意力混合深度网络的癫痫脑电信号识别方法，包括以下步骤：步骤一：对原始脑电信号数据进行预处理；步骤二：利用时频注意力机制模块对预处理后的脑电信号进行时频表示；步骤三：构建混合深度网络模块对拓展后的脑电信号进行时空信息提取；步骤四：将所述特征提取后的脑电信号通过特征分类模块进行特征融合并且分类，将分类精度作为最终的评价指标。相比于现有技术，解决了现有技术难以将脑电信号时空信息进行融合的问题，从而提高癫痫检测的准确率。
-
公开(公告)号：CN116394264B
公开(公告)日：2023-08-25
申请号：CN202310664822.9
申请日：2023-06-07
Applicant: 安徽大学
IPC: B25J9/16
Abstract: 本发明公开了基于群体编码脉冲神经网络的多机械臂协同运动规划方法，所述方法包括以下步骤：从运动场景中任意时刻的任意一个机械臂获取其周边相关机械臂的状态数据，分别设计群体编码模块，脉冲神经网络模块，群体解码模块，输出机械臂每个关节在下一个时刻应该转动的角度，实现该机械臂的自主运动规划。本发明通过基于群体编码脉冲神经网络对多机械臂的协同运动规划，使每个机械臂都考虑了其周边其他机械臂的运动，可以很大程度上减少机械臂之间的碰撞，此外，本发明是基于群体编码脉冲神经网络，只需要在出现脉冲时，将突触权重加到其神经元膜电位上，避免了传统神经网络中大量的浮点数高精度乘法运算。
-
Patent Agency Ranking
公开(公告)号：CN118568601B
公开(公告)日：2024-10-15
申请号：CN202411046950.8
申请日：2024-08-01
Applicant: 安徽大学
IPC: G06F18/2415 , G06F18/10 , G06F18/213 , G06F18/25 , G06F18/214 , G06F18/21 , G06N3/0464 , G06N3/045 , G06N3/0475 , G06N3/0499 , G06N3/08 , A61B5/352 , A61B5/00
Abstract: 本发明涉及ECG信号处理技术领域，解决了传统ECG身份识别方法识别效果不理性以及难以应用在移动设备上的技术问题，尤其涉及一种基于自生成异构神经元轻量型网络的ECG身份识别方法，包括：获取单通道的原始ECG信号，并采用带通滤波器对原始ECG信号进行去噪；对去噪后的ECG信号进行R峰点定位，并根据R峰点位置切分ECG信号为ECG心拍片段；将若干个体包含多个ECG心拍片段的数据集按比例划分为训练集和测试集。本发明通过网络自适应的生成不同的神经元，从而提升了神经元的表征能力，使得使用较少的网络层就能得到高的识别性能，提升了识别方法鲁棒性和高性能，在便携式设备应用方面具有广泛前景。
-
公开(公告)号：CN118021324B
公开(公告)日：2024-06-21
申请号：CN202410432089.2
申请日：2024-04-11
Applicant: 安徽大学
IPC: A61B5/374 , A61B5/00 , G06F18/24 , G06F18/10 , G06F18/213 , G06N3/0442 , G06N3/045 , G06N3/0464 , G06N3/048 , G06N3/08
Abstract: 本发明涉及脑电信号处理技术领域，解决了现有技术难以将脑电信号时频信息与时空信息进行融合的技术问题，尤其涉及一种癫痫脑电信号识别方法，包括获取以固定频率采样并保存为单通道的原始脑电信号数据；对原始脑电信号数据进行数据切分得到脑电信号数据片段；将脑电信号数据片段输入到时频表示层得到不同频带的多通道脑电信号，并通过注意力网络层对时频特征进行特征加强；构建脉冲编码层将多通道脑电信号编码成多通道二值脉冲序列。本发明在保证了对于癫痫脑电信号识别精度的前提下，通过脉冲形式的网络学习和信息传递，降低了网络的数据负载和体量，提升了网络的运行速度，并且减少了能耗，在便携式设备上有广泛的应用前景。
-
公开(公告)号：CN118171701A
公开(公告)日：2024-06-11
申请号：CN202410292325.5
申请日：2024-03-14
Applicant: 安徽大学
Abstract: 本发明公开了一种可用于时变网络的分布式自适应梯度方法，包括：初始化参数；数据预处理，将数据分布到所有节点上；在每个节点中计算t时刻的随机梯度，并更新一阶矩估计、更新二阶矩估计；修正二阶矩估计偏差；计算更新梯度第二矩估计值；获取时变权重矩阵；在时变网络中，邻域节点交换参数信息，基于时变权重矩阵计算邻域模型的平均值；基于邻域模型的平均值，执行动量自适应，更新新的估计解。本发明突破了网络结构的限制，有利于更好地利用该算法解决实际问题，相较于固定网络更具稳定性，在理论上确保了算法能够有效求解在线随机凸和非凸的优化问题，在解决实际时变网络问题时，具有更好的收敛性。
-
公开(公告)号：CN118021324A
公开(公告)日：2024-05-14
申请号：CN202410432089.2
申请日：2024-04-11
Applicant: 安徽大学
IPC: A61B5/374 , A61B5/00 , G06F18/24 , G06F18/10 , G06F18/213 , G06N3/0442 , G06N3/045 , G06N3/0464 , G06N3/048 , G06N3/08
Abstract: 本发明涉及脑电信号处理技术领域，解决了现有技术难以将脑电信号时频信息与时空信息进行融合的技术问题，尤其涉及一种癫痫脑电信号识别方法，包括获取以固定频率采样并保存为单通道的原始脑电信号数据；对原始脑电信号数据进行数据切分得到脑电信号数据片段；将脑电信号数据片段输入到时频表示层得到不同频带的多通道脑电信号，并通过注意力网络层对时频特征进行特征加强；构建脉冲编码层将多通道脑电信号编码成多通道二值脉冲序列。本发明在保证了对于癫痫脑电信号识别精度的前提下，通过脉冲形式的网络学习和信息传递，降低了网络的数据负载和体量，提升了网络的运行速度，并且减少了能耗，在便携式设备上有广泛的应用前景。
-
公开(公告)号：CN116503491A
公开(公告)日：2023-07-28
申请号：CN202310756022.X
申请日：2023-06-26
Applicant: 安徽大学
Abstract: 本发明公开了一种基于相机标定和视觉的机器狗障碍物测距和避障方法，所述方法包括：对机器狗上的相机进行相机标定，获取其相机的参数信息；利用目标检测算法对机器狗视觉图像中的目标进行检测和识别，确定目标的大小、位置和类别；结合相机的内部参数和外部参数以及目标在视觉图像中的位置信息来估算障碍物目标与机器狗之间的距离和角度；根据测算的距离和角度来决定机器狗是否继续前进或进行提前避障。本发明通过采用相机标定和视觉相结合的方式来进行机器狗的障碍物测距和避障，提高测距结果和避障方案的准确性和鲁棒性，能够一定程度上解决盲人安全出行的难题，能够应对更加复杂的使用环境，具有一定的应用前景。
-
-
-
-
-
-
Search Results
17
records
(took 0.02 seconds)
