-
公开(公告)号:CN118332447A
公开(公告)日:2024-07-12
申请号:CN202410439753.6
申请日:2024-04-12
Applicant: 华南理工大学
IPC: G06F18/2431 , A61B5/346 , A61B5/00 , G06F18/15 , G06F18/213 , G06F18/25 , G06N3/0464 , G06N3/0455 , G06N3/084 , G16H50/20
Abstract: 本发明公开了一种基于心电图的预激旁道自动定位方法及系统,在预激旁道自动定位方法AI模型的训练阶段,批次数量为N的样本数据经过EfficientNet‑b1‑sk骨干特征提取网络后得到N个输出特征向量,然后流向两个分支。一个分支经过批处理模块后再经过分类器即全连接层处理获得AI模型的预测输出,这一分支可以通过梯度反向传播学习得到样本之间的相互关系,解决类别不平衡分布带来的尾部类预测准确率低的问题;另一分支之间输出到分类器获得AI模型的预测结果,两个分支同时训练的过程中,AI模型能通过梯度反向传播过程将批样本处理模块获得的样本相互关系知识转移到骨干特征网络和分类器上,使AI模型获得更好的分类性能。
-
公开(公告)号:CN113076927B
公开(公告)日:2023-02-14
申请号:CN202110449007.1
申请日:2021-04-25
Applicant: 华南理工大学
IPC: G06V40/10 , G06V10/25 , G06V10/774 , G06V10/82 , G06N3/096 , G06N3/0464
Abstract: 本发明提供的基于多源域迁移的指静脉识别方法,包括以下步骤:首先将目标域的指静脉图片,获取到该图片对应的ROI;再将ROI输入基础特征提取网络提取基础特征;之后再将基础特征分别输入CFTN和DFTN,得到通用特征和域指定特征;将通用特征和域指定特征进行拼接后,得到最终的聚合特征;将获得的聚合特征在已有的指静脉特征数据库中进行搜索,得到输入的指静脉图片和数据库中已有指静脉的匹配分数;最终根据匹配分数输出该输入指静脉的匹配结果。通过使用多个源域迁移到目标域,减少目标域的样本需求,从而降低采集标注成本;将多个源域数据集的通用知识迁移到目标域,并且保留领域指定特征,从而最大程度地提升迁移学习的性能。
-
公开(公告)号:CN113076927A
公开(公告)日:2021-07-06
申请号:CN202110449007.1
申请日:2021-04-25
Applicant: 华南理工大学
Abstract: 本发明提供的基于多源域迁移的指静脉识别方法,包括以下步骤:首先将目标域的指静脉图片,获取到该图片对应的ROI;再将ROI输入基础特征提取网络提取基础特征;之后再将基础特征分别输入CFTN和DFTN,得到通用特征和域指定特征;将通用特征和域指定特征进行拼接后,得到最终的聚合特征;将获得的聚合特征在已有的指静脉特征数据库中进行搜索,得到输入的指静脉图片和数据库中已有指静脉的匹配分数;最终根据匹配分数输出该输入指静脉的匹配结果。通过使用多个源域迁移到目标域,减少目标域的样本需求,从而降低采集标注成本;将多个源域数据集的通用知识迁移到目标域,并且保留领域指定特征,从而最大程度地提升迁移学习的性能。
-
公开(公告)号:CN109886405A
公开(公告)日:2019-06-14
申请号:CN201910127126.8
申请日:2019-02-20
Applicant: 华南理工大学 , 佛山市顺德致可智能科技有限公司
Abstract: 本发明公开了一种抑制噪声的基于人工神经网络结构优化方法,包括基于增长的最优神经元个数搜索方法,得到最优权值向量wopt、最优激活矩阵Qopt及输出网络训练时间t1及基于后剪枝的网络结构简化方法寻找最优结构。本发明基于Gegenbauer正交多项式神经网络,利用增长-剪枝优化算法寻找网络最优结构,实践证明该神经网络在逼近、测试、去噪方面具有很高的优越性和有效性,因而具有很高的实用价值。
-
公开(公告)号:CN108714894A
公开(公告)日:2018-10-30
申请号:CN201810412681.0
申请日:2018-05-03
Applicant: 华南理工大学
IPC: B25J9/16
Abstract: 本发明公开了一种求解双冗余机械臂互相碰撞的动力学方法,包括如下步骤:S1、将实际的物理系统形式化,以左边机械臂为基础建立该系统基于二次规划问题的最小速度二范数模型;S2根据避免双冗余机械臂之间碰撞的约束,对步骤S1中的二次规划问题进行扩充,考虑互相避免碰撞的不等式约束;S3、根据双冗余机械臂关节角和关节角速度极限,将关节角度以及角速度的约束考虑进二次规划问题;S4、将步骤S3中的左边机械臂二次规划方案应用到右边机械臂上,并将双冗余机械臂的两个子二次规划问题集成到一个二次规划框架下;S5、利用线性变分不等式-原对偶神经网络进行求解,所求得的解为双冗余机械臂互相躲避情况下完成末端任务的结果。
-
-
-
-