公开(公告)号：CN113241175A

公开(公告)日：2021-08-10

申请号：CN202110710940.X

申请日：2021-06-25

Applicant: 中国科学院计算技术研究所

Inventor： 陈益强 ,  李宜兵 ,  蒋鑫龙 ,  王健

IPC: G16H50/20 ,  G16H80/00 ,  G16H40/67 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明提供基于边缘计算的帕金森症辅助诊断系统，包括：终端、边缘端，其中，所述终端用于数据采集，数据标注以及数据增量传输；所述边缘端用于接收所述终端采集的音视频数据以及诊断请求，提供音视频数据规整服务、数据管理服务、神经网络模型训练以及神经网络模型推理服务；所述边缘端包括神经网络运算装置，所述神经网络运算装置用于训练模型与预测帕金森症患病概率。本发明还提供利用上述系统的帕金森症的辅助诊断方法。

公开(公告)号：CN113177455A

公开(公告)日：2021-07-27

申请号：CN202110442262.3

申请日：2021-04-23

Applicant: 中国科学院计算技术研究所 ,  鹏城实验室

Inventor： 陈益强 ,  高晨龙 ,  张宇欣 ,  蒋鑫龙 ,  谷洋

IPC: G06K9/00 ,  G06K9/46 ,  G06K9/62 ,  G16H50/30 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明实施例提供了一种训练运动强度识别系统的方法，包括：A1、构建运动强度识别系统，其包括依次连接的数据预处理模块、并行卷积处理流、双线性池化模块和多任务学习模块，所述并行卷积处理流包括两条并行的卷积处理流；A2、通过数据预处理模块对经标注了标签的运动数据进行预处理，得到运动信息和对应的标签组成的训练集，其中，运动数据由惯性传感器采集得到，为运动数据标注的标签包括多种不同的运动强度标签和多种不同的运动行为标签；A3、用所述训练集训练所述运动强度识别系统；本发明从通道和空间两个维度对卷积层提取的特征进行优化，关注重要的特征，抑制不必要的特征，有助于提升运动强度的识别精度。

公开(公告)号：CN113139664A

公开(公告)日：2021-07-20

申请号：CN202110477456.7

申请日：2021-04-30

Applicant: 中国科学院计算技术研究所

Inventor： 蒋鑫龙 ,  陈前 ,  陈益强 ,  张腾 ,  谷洋

IPC: G06N20/00 ,  G06K9/62

Abstract: 本发明实施例提供了一种跨模态的迁移学习方法，该方法通过构建迁移学习模型，用全局领域判别模块对齐边缘分布，用局部类别判别模块细粒度地从类别角度对齐特征的条件分布，用局部模态判别模块细粒度地从模态角度对齐特征的条件分布，该模型架构基于对抗网络的迁移学习的思想，能在训练过程中适配跨模态迁移学习中边缘分布差异和条件分布差异，并利用对抗训练去自适应学到更多可迁移特征，从而提高分类模型的性能。

公开(公告)号：CN113128667A

公开(公告)日：2021-07-16

申请号：CN202110363771.7

申请日：2021-04-02

Applicant: 中国科学院计算技术研究所

Inventor： 陈益强 ,  高晨龙 ,  蒋鑫龙 ,  陈前

IPC: G06N3/04 ,  G06N3/08

Abstract: 本发明公开一种跨域自适应的图卷积平衡迁移学习方法，包括：将源域数据和目标域数据输入第一图卷积神经网络，分别得到源域数据和目标域数据中节点的局部特征；将源域数据和目标域数据输入第二图卷积神经网络，分别得到源域数据和目标域数据中节点的全局特征；利用注意力机制将源域数据和目标域数据中节点的局部特征和全局特征进行聚合，得到源域数据和目标域数据中节点的统一特征；基于源域数据和目标域数据中节点的统一特征，构建源域分类器和目标域分类器分别对源域数据和目标域数据中节点进行分类，构建领域分类器用于判定节点来自源域数据或者目标域数据。

公开(公告)号：CN113033768A

公开(公告)日：2021-06-25

申请号：CN202110211503.3

申请日：2021-02-25

Applicant: 中国科学院计算技术研究所

Inventor： 蒋鑫龙 ,  陈益强 ,  沈鸿 ,  张忠平 ,  王永斌 ,  刘廉如

IPC: G06N3/04 ,  G06N3/08

Abstract: 本发明提出一种基于图卷积网络的缺失特征重表示方法和系统，包括：提取已标注类别的训练样本的特征，将该训练样本的特征作为节点，通过距离度量得到节点与节点之间的相似关系，根据该相似关系构建节点之间形成连接边，以得到该训练样本的图网络；以该图网络中邻近样本的特征信息和图中各节点对应的标注类别，训练图卷积网络，得到特征重表示模型，通过将待分类样本的特征输入该特征重表示模型，重建该待分类样本的特征并为重建后的特征进行分类，得到该待分类样本的分类结果。

公开(公告)号：CN109063722A

公开(公告)日：2018-12-21

申请号：CN201810588551.2

申请日：2018-06-08

Applicant: 中国科学院计算技术研究所

Inventor： 陈益强 ,  谷洋 ,  蒋鑫龙 ,  王记伟

IPC: G06K9/62

CPC classification number: G06K9/6221 ,  G06K9/6262

Abstract: 本发明涉及一种基于机会感知的行为识别方法，包括：模型建立步骤，通过可穿戴传感器采集用户行为的初始数据，对该初始数据进行处理以构建用于识别该用户行为的感知模型；数据感知步骤，通过该可穿戴传感器采集该用户行为的增量数据；数据选择步骤，对该增量数据进行筛选，以从中获取机会数据；机会计算步骤，以该机会数据对该感知模型进行更新。

公开(公告)号：CN107688822A

公开(公告)日：2018-02-13

申请号：CN201710585350.2

申请日：2017-07-18

Applicant: 中国科学院计算技术研究所

Inventor： 邢云冰 ,  陈益强 ,  蒋鑫龙

IPC: G06K9/62 ,  G06N3/08

CPC classification number: G06K9/6256 ,  G06K9/6215 ,  G06K9/6218 ,  G06K9/6267 ,  G06N3/08

Abstract: 本发明涉及一种基于深度学习的新增类别识别方法，包括以下步骤：将预测样本输入到深度网络获得预测样本的输出向量；计算所述预测样本的输出向量，与训练样本中每种类别的代表向量之间的相似度值，从而识别所述预测样本的类别；其中，所述训练样本中每种类别的代表向量是通过将所述训练样本集输入到深度网络获得输出向量集，并根据所述训练样本的输出向量集计算得出的。

公开(公告)号：CN103298103A

公开(公告)日：2013-09-11

申请号：CN201210047839.1

申请日：2012-02-27

Applicant: 中国科学院计算技术研究所

Inventor： 陈益强 ,  刘军发 ,  蒋鑫龙

IPC: H04W64/00

Abstract: 本发明提供一种Wi-Fi定位方法，包括：扫描待定位环境中的Wi-Fi信息；利用所述Wi-Fi信息在数据记录中匹配出可能性最大的地址作为Wi-Fi定位的结果，其中所述数据记录中保存已知地址及其对应的Wi-Fi信息。本发明还提供一种Wi-Fi定位装置，包括：扫描单元，适于扫描周围环境中的Wi-Fi信息；检索单元，适于利用所述Wi-Fi信息在数据记录中匹配出可能性最大的地址作为Wi-Fi定位的结果；其中所述数据记录中保存已知地址及其对应的Wi-Fi信息。本发明还提供一种室内外无缝定位系统，包括：室外定位模块，室内定位模块，以及切换模块。上述方法和装置提高了Wi-Fi定位精度，达到无缝定位的问题。