-
公开(公告)号：CN103853888B
公开(公告)日：2017-01-25
申请号：CN201410083516.7
申请日：2014-03-10
Applicant: 南方电网科学研究院有限责任公司 , 华南理工大学
IPC: G06F17/50
CPC classification number: Y02T10/82
Abstract: 本发明的一种适用于无功补偿的海上风电系统等值建模方法，包括以下步骤：根据海上风电系统拓扑结构对风电场内的风电机进行分组，每组包括至少一台风电机；每组的多台风电机组成的支路成为风电机组的单链支路，等值容量为所有风电机组的容量之和，采用潮流计算的方法求出等值风电机组的总容量；对每组的多台风电机中的变压器进行等值分析，得到等效多机系统；对多组风电机组的集电系统进行等值分析，得到等效多链系统；根据步骤二、三、四得出的结果，建立适用于无功补偿的海上风电系统的仿真模型。本发明提出的建模方法简单，能够快速建立模型，更好的满足实际应用的要求。
-
公开(公告)号：CN103853888A
公开(公告)日：2014-06-11
申请号：CN201410083516.7
申请日：2014-03-10
Applicant: 南方电网科学研究院有限责任公司 , 华南理工大学
IPC: G06F17/50
CPC classification number: Y02T10/82
Abstract: 本发明的一种适用于无功补偿的海上风电系统等值建模方法，包括以下步骤：根据海上风电系统拓扑结构对风电场内的风电机进行分组，每组包括至少一台风电机；每组的多台风电机组成的支路成为风电机组的单链支路，等值容量为所有风电机组的容量之和，采用潮流计算的方法求出等值风电机组的总容量；对每组的多台风电机中的变压器进行等值分析，得到等效多机系统；对多组风电机组的集电系统进行等值分析，得到等效多链系统；根据步骤二、三、四得出的结果，建立适用于无功补偿的海上风电系统的仿真模型。本发明提出的建模方法简单，能够快速建立模型，更好的满足实际应用的要求。
-
公开(公告)号：CN119418866A
公开(公告)日：2025-02-11
申请号：CN202411337316.X
申请日：2024-09-25
Applicant: 华南理工大学 , 人工智能与数字经济广东省实验室(广州)
IPC: G16H20/70 , G16H20/60 , G16H20/30 , G16H50/30 , G16H50/70 , G16H40/67 , G06N3/0442 , G06N3/045 , G06N3/098 , G06F18/15 , G06F18/2413 , G06F123/02
Abstract: 本发明公开了一种基于奖励循环神经网络的抑郁症预警干预方法及系统，包括：用户数据信息采集，然后用户进行CES‑D10抑郁量表测试，根据测试对用户当前状态进行划分；数据标准化处理，对数据信息中的不完整信息及虚假信息进行去除，处理后得到每位用户对应的数据结构为用户‑年龄‑性别‑得分；基于奖励循环神经网络对用户后续抑郁症状程度进行预测，同时依据预测结果与后续用户上传的数据差距，对奖励循环神经网络中的网络奖励因子进行修正；依据预测结果，对用户提出抑郁症状干预建议，并监督用户执行情况与干预效果。本发明首次在时间序列上对使用者进行抑郁症状预测，给出后一阶段的抑郁症状变化趋势，并针对预测结果在当下提供干预建议。
-
公开(公告)号：CN117689625B
公开(公告)日：2024-07-23
申请号：CN202311626792.9
申请日：2023-11-30
Applicant: 人工智能与数字经济广东省实验室(广州) , 华南理工大学
IPC: G06T7/00 , G06N3/0464 , G06N3/048 , G06V10/764 , G06V10/44 , G06V10/82 , G06N3/084 , G06T7/11
Abstract: 本发明公开了一种多任务混杂神经网络驱动的CT图像处理方法和类脑诊断系统，涉及人工智能医学影像，方法包括生成混杂神经网络，输入CT图像，在每一层执行混杂脉冲‑卷积计算；生成共同编码器和多任务解码器，输出多任务结果图像。系统包括处理器和存储器及显示器，存储器中存储有至少一条指令，指令由处理器加载并执行以实现如下步骤：获取CT图像；生成基于混杂神经网络建立的共同编码器，调用编码器对CT图像进行编码，生成联合特征；生成基于混杂神经网络建立的多任务解码器，调用解码器对联合特征进行分类操作和分割操作，得到多任务诊断结果。本发明可以提高CT图像的多任务诊断效率，在保证多任务精度的同时降低诊断系统的计算功耗。
-
Patent Agency Ranking
公开(公告)号：CN118236042A
公开(公告)日：2024-06-25
申请号：CN202410668455.4
申请日：2024-05-28
Applicant: 华南理工大学
Abstract: 本发明公开了一种基于多通道异构脉冲神经网络的睡眠分期方法及系统，该方法包括：获取多通道睡眠脑电信号，将多通道睡眠脑电信号划分为多个设定分段时长的信号样本，并经过滤波器分频处理后，将每个频段的所有通道脑电信号编码为多通道脑电脉冲并输入多通道异构脉冲神经网络进行训练，更新前馈兴奋性突触、侧向抑制性突触的突触权重；基于训练后的多通道异构脉冲神经网络得到输出各个频段的脉冲序列中第k个脉冲产生的时间估计值；统计所有频段内的脉冲发放率；根据脉冲发放率序列中不同频段的活动出现的顺序及频率对睡眠阶段进行分类。本发明基于全局抑制神经元和去抑制神经元去除伪影，提高了睡眠分期的效率及准确性。
-
公开(公告)号：CN118000751A
公开(公告)日：2024-05-10
申请号：CN202410214402.5
申请日：2024-02-27
Applicant: 华南理工大学
IPC: A61B5/369 , G06F18/213 , G06F18/2415 , G06N3/042 , G06N3/0464 , G06N3/047 , G06N3/048 , G06N3/09 , A61B5/372 , A61B5/00 , A61B5/16
Abstract: 本发明公开了一种基于脉冲混合监督图注意力网络的抑郁症检测方法及装置，属于抑郁症检测领域。其中方法包括：采集脑电图信号；采用预设的编码算法对所述脑电图信号进行编码，获得脑电图数据；将脑电图数据映射到三维坐标中，对神经元之间的连接权重进行初始化，并采用无监督学习的方式提取出脑电图信号的神经元特征以及权重信息；将神经元特征作为节点特征，将连接权重作为边特征，构建节点图；构建基于神经元特征与权重信息的抑郁症检测模型，采用训练集对模型进行有监督训练；该模型通过多头图注意力卷积层和图卷积层提取关键权重信息，再经过池化层、全连接层和softmax层输出分类结果。本发明能够得到较高的抑郁症检测准确率。
-
公开(公告)号：CN118486459A
公开(公告)日：2024-08-13
申请号：CN202410604088.1
申请日：2024-05-15
Applicant: 华南理工大学
IPC: G16H50/30 , G16H50/20 , G16H20/70 , G06F40/211 , G06F40/284 , G06F40/289 , G06F17/13 , G06F17/16 , G06F17/18 , G06F40/247 , G06N3/0464 , G06N3/045 , G06N3/0442 , G06N3/084
Abstract: 本发明公开了多模态抑郁风险评估方法、装置、系统、介质和训练方法，包括：获取音频数据，从音频数据中得到文本数据，根据文本数据得到句子向量，根据句子向量得到文本注意力权重，根据句子向量和文本注意力权重得到文本特征，句子向量包括正向向量和反向向量，根据音频数据得到音频特征矩阵，将音频特征矩阵转换成二维热图，根据二维热图得到音频数据的第一音频特征，音频特征矩阵包括若干个第二音频特征，根据第一音频特征和文本特征得到第一协同注意力权重，根据第一协同注意力权重、第一音频特征和文本特征得到新的特征，根据新的特征得到抑郁风险评估结果。本发明可以提高抑郁风险评估结果的准确度，可应用于多模态数据处理技术领域。
-
公开(公告)号：CN118236042B
公开(公告)日：2024-08-09
申请号：CN202410668455.4
申请日：2024-05-28
Applicant: 华南理工大学
Abstract: 本发明公开了一种基于多通道异构脉冲神经网络的睡眠分期方法及系统，该方法包括：获取多通道睡眠脑电信号，将多通道睡眠脑电信号划分为多个设定分段时长的信号样本，并经过滤波器分频处理后，将每个频段的所有通道脑电信号编码为多通道脑电脉冲并输入多通道异构脉冲神经网络进行训练，更新前馈兴奋性突触、侧向抑制性突触的突触权重；基于训练后的多通道异构脉冲神经网络得到输出各个频段的脉冲序列中第k个脉冲产生的时间估计值；统计所有频段内的脉冲发放率；根据脉冲发放率序列中不同频段的活动出现的顺序及频率对睡眠阶段进行分类。本发明基于全局抑制神经元和去抑制神经元去除伪影，提高了睡眠分期的效率及准确性。
-
公开(公告)号：CN117689625A
公开(公告)日：2024-03-12
申请号：CN202311626792.9
申请日：2023-11-30
Applicant: 人工智能与数字经济广东省实验室(广州) , 华南理工大学
IPC: G06T7/00 , G06N3/0464 , G06N3/048 , G06V10/764 , G06V10/44 , G06V10/82 , G06N3/084 , G06T7/11
Abstract: 本发明公开了一种多任务混杂神经网络驱动的CT图像处理方法和类脑诊断系统，涉及人工智能医学影像，方法包括生成混杂神经网络，输入CT图像，在每一层执行混杂脉冲‑卷积计算；生成共同编码器和多任务解码器，输出多任务结果图像。系统包括处理器和存储器及显示器，存储器中存储有至少一条指令，指令由处理器加载并执行以实现如下步骤：获取CT图像；生成基于混杂神经网络建立的共同编码器，调用编码器对CT图像进行编码，生成联合特征；生成基于混杂神经网络建立的多任务解码器，调用解码器对联合特征进行分类操作和分割操作，得到多任务诊断结果。本发明可以提高CT图像的多任务诊断效率，在保证多任务精度的同时降低诊断系统的计算功耗。
-
-
-
-
-
-
-
-
Search Results
9
records
(took 0.069 seconds)
