-
公开(公告)号：CN116394264A
公开(公告)日：2023-07-07
申请号：CN202310664822.9
申请日：2023-06-07
Applicant: 安徽大学
IPC: B25J9/16
Abstract: 本发明公开了基于群体编码脉冲神经网络的多机械臂协同运动规划方法，所述方法包括以下步骤：从运动场景中任意时刻的任意一个机械臂获取其周边相关机械臂的状态数据，分别设计群体编码模块，脉冲神经网络模块，群体解码模块，输出机械臂每个关节在下一个时刻应该转动的角度，实现该机械臂的自主运动规划。本发明通过基于群体编码脉冲神经网络对多机械臂的协同运动规划，使每个机械臂都考虑了其周边其他机械臂的运动，可以很大程度上减少机械臂之间的碰撞，此外，本发明是基于群体编码脉冲神经网络，只需要在出现脉冲时，将突触权重加到其神经元膜电位上，避免了传统神经网络中大量的浮点数高精度乘法运算。
-
公开(公告)号：CN118568601B
公开(公告)日：2024-10-15
申请号：CN202411046950.8
申请日：2024-08-01
Applicant: 安徽大学
IPC: G06F18/2415 , G06F18/10 , G06F18/213 , G06F18/25 , G06F18/214 , G06F18/21 , G06N3/0464 , G06N3/045 , G06N3/0475 , G06N3/0499 , G06N3/08 , A61B5/352 , A61B5/00
Abstract: 本发明涉及ECG信号处理技术领域，解决了传统ECG身份识别方法识别效果不理性以及难以应用在移动设备上的技术问题，尤其涉及一种基于自生成异构神经元轻量型网络的ECG身份识别方法，包括：获取单通道的原始ECG信号，并采用带通滤波器对原始ECG信号进行去噪；对去噪后的ECG信号进行R峰点定位，并根据R峰点位置切分ECG信号为ECG心拍片段；将若干个体包含多个ECG心拍片段的数据集按比例划分为训练集和测试集。本发明通过网络自适应的生成不同的神经元，从而提升了神经元的表征能力，使得使用较少的网络层就能得到高的识别性能，提升了识别方法鲁棒性和高性能，在便携式设备应用方面具有广泛前景。
-
公开(公告)号：CN118021324B
公开(公告)日：2024-06-21
申请号：CN202410432089.2
申请日：2024-04-11
Applicant: 安徽大学
IPC: A61B5/374 , A61B5/00 , G06F18/24 , G06F18/10 , G06F18/213 , G06N3/0442 , G06N3/045 , G06N3/0464 , G06N3/048 , G06N3/08
Abstract: 本发明涉及脑电信号处理技术领域，解决了现有技术难以将脑电信号时频信息与时空信息进行融合的技术问题，尤其涉及一种癫痫脑电信号识别方法，包括获取以固定频率采样并保存为单通道的原始脑电信号数据；对原始脑电信号数据进行数据切分得到脑电信号数据片段；将脑电信号数据片段输入到时频表示层得到不同频带的多通道脑电信号，并通过注意力网络层对时频特征进行特征加强；构建脉冲编码层将多通道脑电信号编码成多通道二值脉冲序列。本发明在保证了对于癫痫脑电信号识别精度的前提下，通过脉冲形式的网络学习和信息传递，降低了网络的数据负载和体量，提升了网络的运行速度，并且减少了能耗，在便携式设备上有广泛的应用前景。
-
公开(公告)号：CN118021324A
公开(公告)日：2024-05-14
申请号：CN202410432089.2
申请日：2024-04-11
Applicant: 安徽大学
IPC: A61B5/374 , A61B5/00 , G06F18/24 , G06F18/10 , G06F18/213 , G06N3/0442 , G06N3/045 , G06N3/0464 , G06N3/048 , G06N3/08
Abstract: 本发明涉及脑电信号处理技术领域，解决了现有技术难以将脑电信号时频信息与时空信息进行融合的技术问题，尤其涉及一种癫痫脑电信号识别方法，包括获取以固定频率采样并保存为单通道的原始脑电信号数据；对原始脑电信号数据进行数据切分得到脑电信号数据片段；将脑电信号数据片段输入到时频表示层得到不同频带的多通道脑电信号，并通过注意力网络层对时频特征进行特征加强；构建脉冲编码层将多通道脑电信号编码成多通道二值脉冲序列。本发明在保证了对于癫痫脑电信号识别精度的前提下，通过脉冲形式的网络学习和信息传递，降低了网络的数据负载和体量，提升了网络的运行速度，并且减少了能耗，在便携式设备上有广泛的应用前景。
-
公开(公告)号：CN116503491A
公开(公告)日：2023-07-28
申请号：CN202310756022.X
申请日：2023-06-26
Applicant: 安徽大学
Abstract: 本发明公开了一种基于相机标定和视觉的机器狗障碍物测距和避障方法，所述方法包括：对机器狗上的相机进行相机标定，获取其相机的参数信息；利用目标检测算法对机器狗视觉图像中的目标进行检测和识别，确定目标的大小、位置和类别；结合相机的内部参数和外部参数以及目标在视觉图像中的位置信息来估算障碍物目标与机器狗之间的距离和角度；根据测算的距离和角度来决定机器狗是否继续前进或进行提前避障。本发明通过采用相机标定和视觉相结合的方式来进行机器狗的障碍物测距和避障，提高测距结果和避障方案的准确性和鲁棒性，能够一定程度上解决盲人安全出行的难题，能够应对更加复杂的使用环境，具有一定的应用前景。
-
Patent Agency Ranking
公开(公告)号：CN117314972B
公开(公告)日：2024-02-13
申请号：CN202311555701.7
申请日：2023-11-21
Applicant: 安徽大学
IPC: G06T7/246 , G06N3/045 , G06N3/0464 , G06N3/049 , G06N3/06 , G06N3/084 , G06V10/25 , G06V10/40 , G06V10/764 , G06V10/80
Abstract: 本发明公开了一种基于多类注意力机制的脉冲神经网络的目标跟踪方法，包括：对事件相机保存的事件数据进行预处理，将事件数据转化成图像事件帧序列，并得到图像事件帧序列中的模板区域和搜索区域；基于具有多类注意力机制的LIF脉冲神经网络模块构造双路目标跟踪网络；模板区域和搜索区域输入双路目标跟踪网络，具有多类注意力机制的LIF脉冲神经网络模块对模板区域和搜索区域进行特征提取和融合，融合结果输入预测头模块，输出目标跟踪结果。本发明更有生物合理性，且在跟踪精度上取得了理想的效果。
-
公开(公告)号：CN117314972A
公开(公告)日：2023-12-29
申请号：CN202311555701.7
申请日：2023-11-21
Applicant: 安徽大学
IPC: G06T7/246 , G06N3/045 , G06N3/0464 , G06N3/049 , G06N3/06 , G06N3/084 , G06V10/25 , G06V10/40 , G06V10/764 , G06V10/80
Abstract: 本发明公开了一种基于多类注意力机制的脉冲神经网络的目标跟踪方法，包括：对事件相机保存的事件数据进行预处理，将事件数据转化成图像事件帧序列，并得到图像事件帧序列中的模板区域和搜索区域；基于具有多类注意力机制的LIF脉冲神经网络模块构造双路目标跟踪网络；模板区域和搜索区域输入双路目标跟踪网络，具有多类注意力机制的LIF脉冲神经网络模块对模板区域和搜索区域进行特征提取和融合，融合结果输入预测头模块，输出目标跟踪结果。本发明更有生物合理性，且在跟踪精度上取得了理想的效果。
-
公开(公告)号：CN115993829A
公开(公告)日：2023-04-21
申请号：CN202310272896.8
申请日：2023-03-21
Applicant: 安徽大学
Abstract: 本发明公开了一种基于盲道识别的机器狗导盲运动控制方法，包括：机器狗的鱼眼相机获取盲道的鱼眼图像，鱼眼图像校正模块进行鱼眼图像校正，得到正常镜头下的图像；对正常镜头下的图像依次进行灰度化、二值化及腐蚀处理后，提取图像中盲道的轮廓并确定图像中盲道中心点；计算盲道中心点与图像中心点构成的像素差向量，基于比例‑积分‑微分控制器的机器狗导盲运动控制模块根据所述像素差向量，实时发布机器狗沿着盲道运动的转向速度指令。本发明适用于机器狗持续沿盲道运动，可提高机器狗对盲道的感知能力，从而进一步提高机器狗导盲的安全性。
-
公开(公告)号：CN118627574A
公开(公告)日：2024-09-10
申请号：CN202411102954.3
申请日：2024-08-13
Applicant: 安徽大学
IPC: G06N3/08 , G06N3/04 , G06F18/213
Abstract: 本发明涉及智能体强化学习技术领域，尤其涉及一种基于上下文状态和动作权重的强化学习方法，该方法包括以下步骤：在基于Mujoco框架的连续动作控制环境中，获取机器人与环境进行交互所产生的状态数据信息；基于状态数据信息对执行动作预测模型进行训练以及测试，将由环境反馈的实时状态信息输入执行动作预测模型中输出对应预测的执行动作。本发明加强了网络模型对未来状态的表征能力，可以开阔网络模型在智能体与环境交互过程中的全局视野，以帮助网络模型更好地捕捉到未来状态信息和状态之间的关联，提高了样本数据的利用效率，增强了强化学习方法，使得在连续动作控制环境任务中取得了理想的效果。
-
公开(公告)号：CN118568601A
公开(公告)日：2024-08-30
申请号：CN202411046950.8
申请日：2024-08-01
Applicant: 安徽大学
IPC: G06F18/2415 , G06F18/10 , G06F18/213 , G06F18/25 , G06F18/214 , G06F18/21 , G06N3/0464 , G06N3/045 , G06N3/0475 , G06N3/0499 , G06N3/08 , A61B5/352 , A61B5/00
Abstract: 本发明涉及ECG信号处理技术领域，解决了传统ECG身份识别方法识别效果不理性以及难以应用在移动设备上的技术问题，尤其涉及一种基于自生成异构神经元轻量型网络的ECG身份识别方法，包括：获取单通道的原始ECG信号，并采用带通滤波器对原始ECG信号进行去噪；对去噪后的ECG信号进行R峰点定位，并根据R峰点位置切分ECG信号为ECG心拍片段；将若干个体包含多个ECG心拍片段的数据集按比例划分为训练集和测试集。本发明通过网络自适应的生成不同的神经元，从而提升了神经元的表征能力，使得使用较少的网络层就能得到高的识别性能，提升了识别方法鲁棒性和高性能，在便携式设备应用方面具有广泛前景。
-
-
-
-
-
-
-
-
-
Search Results
17
records
(took 0.019 seconds)
