-
公开(公告)号：CN117421590A
公开(公告)日：2024-01-19
申请号：CN202311235562.X
申请日：2023-09-25
Applicant: 中国科学院计算技术研究所
IPC: G06F18/214 , G06N20/00
Abstract: 一种联邦学习客户端的数据质量评估方法，包括：步骤S1：根据多个客户端当前轮训练更新后的本地模型参数和对应的样本数据量获得更新后的全局模型参数；步骤S2：根据当前轮更新前与更新后的客户端的本地模型参数计算各个客户端的本地参数梯度，步骤S3：根据更新前与更新后的全局模型参数计算服务端的全局参数梯度；步骤S4：计算服务端的全局参数梯度与各个客户端的本地参数梯度之间的动土距离，根据动土距离确定各个客户端的数据质量。
-
公开(公告)号：CN112908466B
公开(公告)日：2023-08-04
申请号：CN202110041814.X
申请日：2021-01-13
Applicant: 中国科学院计算技术研究所
Abstract: 本发明提出一种基于迁移学习的阿尔兹海默病智能决策支持方法和系统，包括通过拍照设备设备，采集患者眼底图像数据，同时利用辅助设备采集患者辅助生理数据，并进行补齐、归一化、滤波等预处理；对图片数据提取图像特征，对辅助序列数据，提取特征，并对不同传感器特征数据进行归一化与拼接；在传播方案获取与标签传播阶段，通过广义条件梯度下降算法对针对融合距离的目标函数进行优化，通过IBP算法获取梯度方向，通过线搜索获取步长，依次迭代直至收敛，根据获取的传播方案，将源域中已有的标定通过传播方案扩散至目标域未标定样本。从而获得更准确的目标域数据标定。
-
公开(公告)号：CN112861796B
公开(公告)日：2023-04-07
申请号：CN202110268443.9
申请日：2021-03-12
Applicant: 中国科学院计算技术研究所
IPC: G06V40/10 , G06F18/24 , G06F18/2431 , G06F18/214 , G06N20/00
Abstract: 本发明提供一种特征自适应的动作识别方法，包括：基于初始数据集构建识别模型，初始数据集包括与多次生理信号采集相对应的来自已有电极集合中的所有电极的初始特征以及与多次生理信号采集对应的标签；获取采集自待识别目标的特征集合；确定所获取的特征集合中是否缺失来自所述已有电极集合中的一个或多个电极的特征；响应于确定缺失来自所述已有电极集合中的一个或多个电极的特征，将所述一个或多个电极作为一个或多个缺失电极，在所获取的特征集合中补充来自所述一个或多个缺失电极的特征；以及将所获取的特征集合作为识别模型的输入，得到动作识别结果。本发明提供的特征自适应的动作识别方法支持动作识别过程中特征空间的动态变化。
-
公开(公告)号：CN112861679B
公开(公告)日：2023-01-20
申请号：CN202110123629.5
申请日：2021-01-29
Applicant: 中国科学院计算技术研究所
IPC: G06V40/20 , G06V10/764 , G06V10/774
Abstract: 本发明提供了一种面向行为识别的迁移学习方法和系统，该方法依据基于熵减的最优传输方案确定待标定的数据的标签，其中，基于熵减的最优传输方案中包括对源域数据的标签类别比例的熵进行限制。本发明中的迁移学习方法和系统能够在目标域数据类别少于源域数据类别的情况下，使得源域中分布的类别相对集中，源域分布与目标域更加匹配，从而有效减少负迁移，更鲁棒、准确地获取目标域待标定数据标签。
-
公开(公告)号：CN115577803A
公开(公告)日：2023-01-06
申请号：CN202211248244.2
申请日：2022-10-12
Applicant: 中国科学院计算技术研究所
IPC: G06N20/20 , G06F18/241 , G06F18/214
Abstract: 本发明提出一种对混合噪声鲁棒的联邦学习方法，包括：将客户端根据本地训练数据和主观逻辑损失函数更新的本地度量模型参数发送给服务端；获取服务端根据客户端以及其他客户端更新的本地度量模型参数和对应的样本数据量计算的全局度量模型参数；由客户端根据全局度量模型参数和本地训练数据，计算每一训练样本的主观逻辑损失及本地高斯混合分布并发送给服务端；获取服务端根据多个本地高斯混合分布计算的区间阈值，并基于区间阈值和本地高斯混合分布对训练数据进行混合噪声识别，进而对识别的开集噪声、闭集噪声分别进行过滤和修正。本发明还提出一种对混合噪声鲁棒的联邦学习系统，以及一种用于联邦学习的数据处理装置。
-
Patent Agency Ranking
公开(公告)号：CN115495771A
公开(公告)日：2022-12-20
申请号：CN202210798075.3
申请日：2022-07-06
Applicant: 中国科学院计算技术研究所
IPC: G06F21/62 , G06V10/764 , G06V10/774 , G06N3/04 , G06N3/08 , G06N20/00 , G06Q10/04
Abstract: 本发明提出一种基于自适应调整权重的数据隐私保护方法和系统，解决了面向非独立同分布数据带来的模型性能下降和收敛速度变慢的问题，属于联邦学习应用技术领域。包括：在每一轮联邦通信开始时，服务器端利用辅助数据集评估全局模型类别层面的可信度，将可信度矩阵和全局模型参数下发到参与该轮联邦的客户端中；客户端根据本地私有数据集评估全局模型样本层面的可信度，进行知识蒸馏时利用类别可信度和样本可信度进行加权，动态指导本地模型的训练过程，并上传更新后的本地模型参数至服务器端；服务器端加权聚合各本地模型参数更新全局模型。
-
公开(公告)号：CN114417969A
公开(公告)日：2022-04-29
申请号：CN202111551153.1
申请日：2021-12-17
Applicant: 中国科学院计算技术研究所
Abstract: 本发明提出一种基于细粒度迁移的跨场景认知能力评估方法，包括：以用户在第一场景下的认知数据为源域数据，以该用户在第二场景下的认知数据为目标域数据；以源域数据集为训练集，训练随机森林分类器，生成源域模型；获得该个体分类器对目标域数据集的测试准确率，以及从源域特征到目标域特征的信息增益差；根据该测试准确率和该信息增益差，将所有该个体分类器聚类为多个簇；对各簇中的个体分类器采用对应的生长机制进行更新，获得目标域模型；通过该目标域模型对该用户在该第二场景下的认知能力进行评估。本发明还提出一种基于细粒度迁移的跨场景认知能力评估系统，以及一种数据处理装置。
-
公开(公告)号：CN110801227B
公开(公告)日：2021-07-20
申请号：CN201911248610.2
申请日：2019-12-09
Applicant: 中国科学院计算技术研究所
Abstract: 本发明涉及一种基于可穿戴设备的立体色块障碍测试模型的训练方法，包括：通过可穿戴设备采集用户在立体色块障碍测试中产生的多模态信号；对所述多模态信号进行预处理并划分为多个信号片段；根据所述用户的动作类型标定所述多模态信号片段；利用所述标定后的多模态信号片段训练神经网络。
-
公开(公告)号：CN107480697B
公开(公告)日：2020-04-03
申请号：CN201710566320.7
申请日：2017-07-12
Applicant: 中国科学院计算技术研究所
Abstract: 本发明涉及一种肌电手势识别方法和系统，该方法由三个步骤组成：特征集构建，利用肌电臂环获取用户肌电手势数据，经过卡尔曼滤波、矩形滑动窗口机制分割和经验模态分解等预处理操作之后，提取该肌电手势数据的时域、频域特征构建特征集；基于标准空间的特征表示，将特征集输入位置预测模型，预测当前肌电臂环佩戴位置，根据位置预测结果将原始特征转化为标准空间的特征表示；手势识别，根据标准空间的特征，构建手势识别模型，识别用户手势。本发明提出的方法能够解决手势识别过程中，因肌电臂环佩戴位置变化造成的识别精度降低的问题，具有识别精度高等方面的优势。
-
公开(公告)号：CN107157450B
公开(公告)日：2020-03-31
申请号：CN201710463520.X
申请日：2017-06-19
Applicant: 中国科学院计算技术研究所
IPC: A61B5/00 , A61B5/11 , A61B5/0488 , G06K9/62
Abstract: 本发明提供了用于对帕金森病人的手部运动能力进行量化评估方法和系统，利用可穿戴的肌电传感器捕获被检测者在执行指定动作时的手部表面肌电信号，基于训练好的与所述指定动作对应的运动能力分类器以从表面肌电信号中提取时域特征和频域特征以及与指定动作的完成情况相关的特征来对被检测者的手部运动能力进行量化评估。通过该方法和系统可以更客观准确地对帕金森病人的手部运动能力进行等级评估。
-
-
-
-
-
-
-
-
-
Search Results
47
records
(took 0.032 seconds)
