基于卷积-堆叠降噪编码网络的半监督学习图像识别方法

    公开(公告)号:CN110232341A

    公开(公告)日:2019-09-13

    申请号:CN201910464739.0

    申请日:2019-05-30

    Abstract: 本发明请求保护一种基于卷积-堆叠降噪编码网络的半监督学习图像识别方法,结合有监督训练的卷积神经网络和无监督学习的堆叠降噪自动编码机提出一种半监督学习网络,以在样本量不足的情况下提取更具表达性的高维特征,训练出更好的网络参数。利用卷积神经网络对样本数据进行有监督训练,提取图像特征同时避免空间特征的破坏。再把训练得到的特征向量输入到堆叠降噪自动编码机进行无监督学习,实现进一步特征学习,降低小样本带来的训练困难,后基于多层人工神经网络进行分类实现。将模型用于HLC2000手写汉字数据集中的复杂字、中等字、简单字、相似字进行脱机手写汉字识别,实验结果表明该模型的平均识别率能达到97%以上,并且结果较为稳定。

    一种结合RBM和特征选择的列表级排序学习方法

    公开(公告)号:CN106599577A

    公开(公告)日:2017-04-26

    申请号:CN201611147495.6

    申请日:2016-12-13

    CPC classification number: G06N3/02 G16Z99/00

    Abstract: 本发明涉及一种结合RBM和特征选择的列表级排序学习方法,包括步骤:修改传统RBM可见层和隐含层的重构方式,将训练集数据输入多层RBM网络进行预训练;用多层RBM预训练所得参数对多层神经网络的参数进行初始化,得到一个训练集上的较优模型;定义基于交叉熵的损失函数并采用梯度下降法进行优化,通过验证集确定最优排序函数,微调神经网络权值;根据排序函数的系数值,选出权值最大的K个特征,组建新的数据集;根据新的数据集重新训练出最优排序函数,并对测试集进行排序,输出评价标准值。本方法具有训练时间短和排序结果评价标准值高的优点。

    手势识别方法及基于手势识别控制的智能轮椅人机系统

    公开(公告)号:CN102339379A

    公开(公告)日:2012-02-01

    申请号:CN201110109146.6

    申请日:2011-04-28

    Abstract: 本发明公开了一种手势识别方法及基于手势识别控制的智能轮椅人机系统,涉及计算机视觉、人机系统、控制领域,包括视频采集模块,分离器,查询模块,跟踪模块,手势预处理模块,特征提取模块,手势识别模块,控制模块,采用Camshift跟踪算法与Kalman滤波算法相结合的方法对人手进行跟踪,并分离出手势,结合Hu矩与支持向量机(SVM)对手势进行识别,该手势识别方法可以滤除肤色干扰、遮挡及周围复杂环境对手势分割的影响,实现对人手的精确跟踪和快速准确识别,用于基于手势识别的智能轮椅人机系统中,可以达到快速、准确的识别手势命令,安全的控制智能轮椅的目的,能帮助老年人和残疾人提高活动范围和生活质量。

    一种基于模糊神经网络的智能轮椅避障方法

    公开(公告)号:CN102339019A

    公开(公告)日:2012-02-01

    申请号:CN201110210600.7

    申请日:2011-07-26

    Abstract: 一种基于模糊神经网络的智能轮椅避障方法,它包括有位于轮椅前端的两个声纳传感器和一个摄像头,摄像头多次采集障碍物信息,两个声纳传感器好采集障碍物的位置信息,通过处理,用模糊神经网络的方法融合两个声纳传感器和摄像头采集到的实时信息,时刻计算轮椅与障碍物的实时位置,根据设计的模糊神经网络控制规则,从而规划轮椅的轮速和转角信息,完成轮椅的动态避障。以一定的方法将这些互补或冗余的传感器信息进行融合,获得最佳的、可靠的信息,为导航决策和定位提供依据,使移智能轮椅具有完成避障过程中所需的有效完整的信息,从而达到避障策略的正确性和控制的鲁棒性的目的。

    基于端点检测的智能轮椅语音识别的控制方法

    公开(公告)号:CN102254558A

    公开(公告)日:2011-11-23

    申请号:CN201110184321.8

    申请日:2011-07-01

    Abstract: 本发明请求保护一种在一般噪声环境下基于端点检测的智能轮椅语音识别的控制方法,涉及人工智能领域,本发明中语音信号序列经过一系列预处理;估计倒谱距离dst;计算短时能量amp;为倒谱距离和短时能量分别确定两个高低门限;进行语音端点检测;通过倒谱距离或能量超过了低门限来判断语音进入过渡段和倒谱距离或能量超过高门限来判断进入语音段,实现一般噪声环境下的语音端点检测,本发明与其它低噪声下的语音端点检测方法不同之处在于提出了一种一般噪声环境下有效的语音端点检测方法,利用此方法能准确检测到语音端点,通过设置5个基本语音命令:前进、后退、左转、右转、停止,在智能轮椅上实现了语音控制。

    一种具备姿态调控功能的变结构攀爬机器人

    公开(公告)号:CN115056876A

    公开(公告)日:2022-09-16

    申请号:CN202210748984.6

    申请日:2022-06-28

    Abstract: 本发明属于攀爬机器人技术领域,涉及一种具备姿态调控功能的变结构攀爬机器人,包括若干个设于底盘系统上的粘附轮系统;所述粘附轮系统包括柔性磁敏橡胶粘附层、轮毂、驱动电机;所述柔性磁敏橡胶粘附层覆贴于所述轮毂的外圈上;所述驱动电机固定设于所述底盘系统上,并与轮毂连接,驱动轮毂转动;所述柔性磁敏橡胶粘附层与轮毂之间设有用于检测轮毂压力变化的环形压阻传感器;所述柔性磁敏橡胶粘附层采用磁流变弹性体材料制成;所述轮毂的内圈中还设有电磁感应线圈,通过控制所述电磁感应线圈产生的磁场,实现所述柔性磁敏橡胶粘附层表面摩擦系数的改变。本发明借鉴壁虎科动物足端的粘附特性与攀附机理,具备姿态检测及结构可调控等优点。

    基于卷积-堆叠降噪编码网络的半监督学习图像识别方法

    公开(公告)号:CN110232341B

    公开(公告)日:2022-05-03

    申请号:CN201910464739.0

    申请日:2019-05-30

    Abstract: 本发明请求保护一种基于卷积‑堆叠降噪编码网络的半监督学习图像识别方法,结合有监督训练的卷积神经网络和无监督学习的堆叠降噪自动编码机提出一种半监督学习网络,以在样本量不足的情况下提取更具表达性的高维特征,训练出更好的网络参数。利用卷积神经网络对样本数据进行有监督训练,提取图像特征同时避免空间特征的破坏。再把训练得到的特征向量输入到堆叠降噪自动编码机进行无监督学习,实现进一步特征学习,降低小样本带来的训练困难,后基于多层人工神经网络进行分类实现。将模型用于HLC2000手写汉字数据集中的复杂字、中等字、简单字、相似字进行脱机手写汉字识别,实验结果表明该模型的平均识别率能达到97%以上,并且结果较为稳定。

    基于平行卷积神经网络特征图融合的人脸表情识别方法

    公开(公告)号:CN108615010B

    公开(公告)日:2022-02-11

    申请号:CN201810373477.2

    申请日:2018-04-24

    Abstract: 本发明请求保护一种基于平行卷积神经网络特征图融合的人脸表情识别方法。该方法模拟人双眼视觉通道,设计一种平行结构的卷积神经网络,在卷积池化层后对平行通道的特征图进行融合;并在全连接层结构上,将其中一通道采用稀疏全连接输出,另一通道采用稠密全连接输出,最后二者输出融合并分类;采用人脸表情数据进行模型训练达到较高识别率后使用测试样本检测模型的识别效果,并获得较高的识别准确率,为情感分析人脸表情识别提供了一个新的方法。

Patent Agency Ranking