-
公开(公告)号：CN116491962A
公开(公告)日：2023-07-28
申请号：CN202310190007.3
申请日：2023-03-02
Applicant: 北京科技大学 , 北京科技大学顺德创新学院
IPC: A61B5/389 , A61B5/397 , G06F18/24 , G06F18/214 , G06N3/0464 , G06N3/0475 , G06N3/094
Abstract: 本发明公开了一种基于生成对抗网络的肌电控制系统鲁棒性提升方法，包括：使用生成对抗网络(GAN)的判别器作为判断肌电控制器的分类模型结果是否为已知动作类别的判别器。在展现本方法的效果时，首先会搭建一个简单的CNN模型为K类已知类分类器作为原执行器分类模型的模拟，CNN模型会对测试数据给出K维的预测输出。判别器需要据此挑选出已知分类的结果，拒绝掉未知的结果。最后，允许输出的分类结果将被执行器执行，拒绝掉未知动作后则维持默认或前一时刻状态，降低了执行器的执行动作错误率。判别器使用GAN训练得来。本发明的优点是：提升实际输出的动作的准确率，提升动作执行过程的鲁棒性，能够区分已知与未知动作，结构简洁，所需算力小。
-
Patent Agency Ranking
公开(公告)号：CN115840505A
公开(公告)日：2023-03-24
申请号：CN202211556731.5
申请日：2022-12-06
Applicant: 北京科技大学 , 北京科技大学顺德创新学院
IPC: G06F3/01 , G06N3/08 , G06N3/0464
Abstract: 本发明提供一种基于表面肌电信号的手势识别方法、系统及设备，方法包括：在服务器中初始化模型，建立联合模型；客户端采集本地数据；服务器向客户端广播联合模型；客户端使用其本地数据在客户端训练联合模型，形成客户端模型；将客户端模型的参数矩阵上传服务器；服务器基于参数矩阵获得新联合模型的参数矩阵；达到预设的更新轮次后，得到最终联合模型。本方案在数据稀缺的情况下能有效减少跨域带来的影响，将多个拥有小型数据集的客户端结合，在保护数据隐私的前提下训练具有较强泛化能力的联合模型，当遇到新数据时，通过在联合模型上进行参数微调，可以在短时间内获得在新数据上有较好表现的网络模型。
-
公开(公告)号：CN117281531B
公开(公告)日：2024-01-30
申请号：CN202311585159.X
申请日：2023-11-27
Applicant: 北京科技大学
IPC: A61B5/352 , A61B5/00 , G06F18/10 , G06N3/0442 , G06N3/0464 , G06N3/048 , G06N3/08 , G06F18/213 , G06F18/24
Abstract: 本发明提供了一种基于卷积长短时记忆网络的心理疲劳态识别方法及系统，该方法包括：对ECG信号进行去噪处理和降采样处理，得到预处理信号；对预处理信号进行R波检测，得到R波数据以及R波波峰位置坐标数据；基于R波波峰位置坐标数据，对所述R波数据进行切分，得到ECG节拍数据；构建网络模型，以ECG节拍数据为输入，进行特征提取及分类，得到分类结果。本方案降低了待分类数据的个体差异，也降低了分类器训练阶段的计算复杂度，相较于常规的机器学习算法，提高了识别的准确率。
-
公开(公告)号：CN117958813B
公开(公告)日：2024-06-18
申请号：CN202410363062.2
申请日：2024-03-28
Applicant: 北京科技大学 , 中国兵器装备集团自动化研究所有限公司
Abstract: 本发明提供了基于注意力深度残差网络的ECG身份识别方法、系统及设备，方法包括：采集原始心电信号，并进行预处理，得到ECG信号数据；将ECG信号数据通过特征提取网络，提取最终ECG特征；所述特征提取网络包含顺次设置的并行多尺度卷积层、堆叠Res2NeXt层、注意力层、特征输出层和ArcNet层；计算所述最终ECG特征与ID‑特征对数据库中特征向量的相似度，并基于相似度阈值，进行身份识别。本方案实现了ECG数据特征的深度提取，并对输入数据进行小波滤波和2维化处理，大大提升了ECG身份识别系统的识别精度。
-
公开(公告)号：CN117958813A
公开(公告)日：2024-05-03
申请号：CN202410363062.2
申请日：2024-03-28
Applicant: 北京科技大学 , 中国兵器装备集团自动化研究所有限公司
Abstract: 本发明提供了基于注意力深度残差网络的ECG身份识别方法、系统及设备，方法包括：采集原始心电信号，并进行预处理，得到ECG信号数据；将ECG信号数据通过特征提取网络，提取最终ECG特征；所述特征提取网络包含顺次设置的并行多尺度卷积层、堆叠Res2NeXt层、注意力层、特征输出层和ArcNet层；计算所述最终ECG特征与ID‑特征对数据库中特征向量的相似度，并基于相似度阈值，进行身份识别。本方案实现了ECG数据特征的深度提取，并对输入数据进行小波滤波和2维化处理，大大提升了ECG身份识别系统的识别精度。
-
公开(公告)号：CN117281531A
公开(公告)日：2023-12-26
申请号：CN202311585159.X
申请日：2023-11-27
Applicant: 北京科技大学
IPC: A61B5/352 , A61B5/00 , G06F18/10 , G06N3/0442 , G06N3/0464 , G06N3/048 , G06N3/08 , G06F18/213 , G06F18/24
Abstract: 本发明提供了一种基于卷积长短时记忆网络的心理疲劳态识别方法及系统，该方法包括：对ECG信号进行去噪处理和降采样处理，得到预处理信号；对预处理信号进行R波检测，得到R波数据以及R波波峰位置坐标数据；基于R波波峰位置坐标数据，对所述R波数据进行切分，得到ECG节拍数据；构建网络模型，以ECG节拍数据为输入，进行特征提取及分类，得到分类结果。本方案降低了待分类数据的个体差异，也降低了分类器训练阶段的计算复杂度，相较于常规的机器学习算法，提高了识别的准确率。
-
-
-
-
-
Search Results
6
records
(took 0.029 seconds)
