公开(公告)号：CN114912368A

公开(公告)日：2022-08-16

申请号：CN202210651534.5

申请日：2022-06-10

Applicant: 哈尔滨工业大学(深圳)

Inventor： 邓皓键 ,  吴启荣 ,  杨森乔

IPC: G06F30/27 ,  G06F17/16 ,  G06F119/02

Abstract: 本发明提供了一种结合梯度算法和演化算法对神经网络模型进行优化的方法，包括步骤1：使用梯度算法对神经网络模型进行初步训练；步骤2：将使用梯度算法优化神经网络模型所得最后N个迭代的优化解取出，将最后N个迭代的优化解作为演化算法的初始搜索范围；步骤3：使用演化算法对神经网络模型进行参数更新，获得更优解。本发明的有益效果是:本发明可以融合梯度算法与演化算法的优点，提高模型准确率，较大程度地保证模型收敛到全局最优解，确保模型稳定性，同时在不同数据集及神经网络模型中可广泛应用。

公开(公告)号：CN116127282A

公开(公告)日：2023-05-16

申请号：CN202211600874.1

申请日：2022-12-13

Applicant: 哈尔滨工业大学(深圳)

Inventor： 赵毅 ,  杨森乔 ,  王一峰

IPC: G06F18/10 ,  G06F18/24 ,  G06F18/213 ,  G06F18/2431 ,  G06F3/01

Abstract: 本发明涉及一种低成本惯性传感器的信号增强与手势识别方法及系统，属于惯性传感器领域。利用递归图的确定性指标，对经验模态分解后得到的多分辨率模态分量进行随机性评估，同时利用小波阈值降噪对模态分量中的随机误差进行有效控制，从而实现对低成本IMU数据的信号增强，极大地缩小了低成本IMU信号质量与高成本IMU之间的差距；为充分挖掘多源IMU信号不易受时频误差干扰的关联信息，首次将IMU运动数据的时频特征与反映手势动作动力学信息和结构信息的复杂网络拓扑特征进行了融合，提高了手势识别的精度，实现了多种三维手势动作的高精度识别。