-
公开(公告)号：CN117877355B
公开(公告)日：2024-07-09
申请号：CN202410124183.1
申请日：2024-01-30
Applicant: 昆明理工大学
IPC: G09B23/18
Abstract: 本发明涉及一种自动控制原理在线实验系统及实验方法，属于教学实验技术领域。本发明包括控制模块、实验装置、测试设备、远程计算机，所述测试设备通过控制模块与实验装置连接，测试设备通过互联网与远程计算机连接，所述控制模块通过互联网与远程计算机连接，所述实验装置与控制模块连接，所述实验装置接线面板上设置若干编号不同的接线插座。本发明通过对实验装置以及测试设备进行远程控制，无需学生进入实验室操作，不受实验时间以及实验地点限制，方便学生进行自动控制原理实验，同时本发明操作简便，实验数据与进入实验室操作的一样。
-
公开(公告)号：CN117877355A
公开(公告)日：2024-04-12
申请号：CN202410124183.1
申请日：2024-01-30
Applicant: 昆明理工大学
IPC: G09B23/18
Abstract: 本发明涉及一种自动控制原理在线实验系统及实验方法，属于教学实验技术领域。本发明包括控制模块、实验装置、测试设备、远程计算机，所述测试设备通过控制模块与实验装置连接，测试设备通过互联网与远程计算机连接，所述控制模块通过互联网与远程计算机连接，所述实验装置与控制模块连接，所述实验装置接线面板上设置若干编号不同的接线插座。本发明通过对实验装置以及测试设备进行远程控制，无需学生进入实验室操作，不受实验时间以及实验地点限制，方便学生进行自动控制原理实验，同时本发明操作简便，实验数据与进入实验室操作的一样。
-
公开(公告)号：CN117332317A
公开(公告)日：2024-01-02
申请号：CN202311372795.4
申请日：2023-10-23
Applicant: 昆明理工大学
IPC: G06F18/241 , G06F18/213 , G06F18/25 , G06N3/045 , G06N3/0442 , G06N3/082
Abstract: 本发明涉及情感识别技术领域，且公开了一种注意力残差网络结合LSTM的EEG情绪识别方法，包括数据收集读取模块、网络模型读取运算模块以及数据试验模块，网络模型包括有三个模块，分别为ECA模块、ECA‑ResNet模块和LSTM模块。该注意力残差网络结合LSTM的EEG情绪识别方法通过将残差网络与注意力机制结合起来，有效的提取出了脑电信号中频率、空间，维度中与脑电信号中情绪识别相关的深度信息，然后将所提取到的深度信息通过LSTM，网络提取其中的时间维度信息，并进行最终的分类，在DEAP数据集唤醒维和效价维二分类准确率分别达到了97.15％和96.13％，唤醒－效价维四分类准确率达到了95.96％，SEED数据集积极－中性－消极三分类准确率达到96.64％。
-
公开(公告)号：CN118902474A
公开(公告)日：2024-11-08
申请号：CN202410952343.1
申请日：2024-07-16
Applicant: 昆明理工大学
IPC: A61B5/372 , A61B5/16 , A61B5/374 , A61B5/00 , G06F18/241 , G06F18/213 , G06F18/25 , G06N3/0442 , G06N3/045 , G06N3/0464
Abstract: 本发明涉及脑电情绪识别技术领域，且公开了一种基于多特征的跨尺度注意卷积脑电情绪识别方法对不同电极的脑电信号提取DE、PSD、NE及FD特征，并对这些特征进行去基线操作及根据电极的相对位置构建三维特征矩阵，然后利用跨尺度注意模块提取脑电信号中不同尺度的空间特征，并通过频－空注意力机制对提取的特征在空间位置和通道上对不同重要程度的特征赋予不同的权重，以提高模型的分类性能，引入了过渡模块，以提高模型泛化性，提取脑电信号中的时间特征，实现时空特征的融合。该方法能有效提取脑电信号中与情绪相关的特征，在效价维和唤醒维上的分类精度分别达到99.70％和99.74％，在效价唤醒维上的分类精度达到97.27％。
-
公开(公告)号：CN110174552A
公开(公告)日：2019-08-27
申请号：CN201910470079.7
申请日：2019-05-31
Applicant: 昆明理工大学
IPC: G01R23/02
Abstract: 本发明公开了一种数字式双通道频率响应分析仪及测试方法，属于测试仪器技术领域。本发明包括数字信号处理器、RS232接口、串口触摸屏、扫频信号源、幅值控制、输入放大/衰减、A/D同步转换器、电源。所述串口触摸屏通过RS232接口与数字信号处理器连接，所述扫频信号源与数字信号处理器、幅值控制、A/D同步转换器连接，所述幅值控制与数字信号处理器、A/D同步转换器连接，所述输入放大/衰减与A/D同步转换器和数字信号处理器连接，所述A/D同步转换器与数字信号处理器连接，所述电源与需要直流电压的各个模块连接。本发明测试仪结构简单，制作成本低，操作方便，特别适合在教学实验中使用。
-
Patent Agency Ranking
公开(公告)号：CN117332317B
公开(公告)日：2024-04-19
申请号：CN202311372795.4
申请日：2023-10-23
Applicant: 昆明理工大学
IPC: G06F18/241 , G06F18/213 , G06F18/25 , G06N3/045 , G06N3/0442 , G06N3/082
Abstract: 本发明涉及情感识别技术领域，且公开了一种注意力残差网络结合LSTM的EEG情绪识别方法，包括数据收集读取模块、网络模型读取运算模块以及数据试验模块，网络模型包括有三个模块，分别为ECA模块、ECA‑ResNet模块和LSTM模块。该注意力残差网络结合LSTM的EEG情绪识别方法通过将残差网络与注意力机制结合起来，有效的提取出了脑电信号中频率、空间，维度中与脑电信号中情绪识别相关的深度信息，然后将所提取到的深度信息通过LSTM，网络提取其中的时间维度信息，并进行最终的分类，在DEAP数据集唤醒维和效价维二分类准确率分别达到了97.15％和96.13％，唤醒－效价维四分类准确率达到了95.96％，SEED数据集积极－中性－消极三分类准确率达到96.64％。
-
公开(公告)号：CN110174552B
公开(公告)日：2023-12-22
申请号：CN201910470079.7
申请日：2019-05-31
Applicant: 昆明理工大学
IPC: G01R23/02
Abstract: 本发明公开了一种数字式双通道频率响应分析仪及测试方法，属于测试仪器技术领域。本发明包括数字信号处理器、RS232接口、串口触摸屏、扫频信号源、幅值控制、输入放大/衰减、A/D同步转换器、电源。所述串口触摸屏通过RS232接口与数字信号处理器连接，所述扫频信号源与数字信号处理器、幅值控制、A/D同步转换器连接，所述幅值控制与数字信号处理器、A/D同步转换器连接，所述输入放大/衰减与A/D同步转换器和数字信号处理器连接，所述A/D同步转换器与数字信号处理器连接，所述电源与需要直流电压的各个模块连接。本发明测试仪结构简单，制作成本低，操作方便，特别适合在教学实验中使用。
-
公开(公告)号：CN110898384A
公开(公告)日：2020-03-24
申请号：CN201911070810.3
申请日：2019-11-05
Applicant: 昆明理工大学
IPC: A63B22/02 , A63B24/00 , A61B5/00 , A61B5/0476 , A61B5/0478
Abstract: 本发明涉及一种基于脑电控制的跑步机及其控制方法，属于脑机交互，其中涉及计算机科学领域与生物医学技术领域。本发明包括脑电信号采集处理装置和跑步机装置；所述脑电信号采集处理装置包括脑电信号采集装置、脑电信号处理装置、脑电库、Wi-Fi传输模块和第一供电模块；所述跑步机装置包括控制电路、驱动电路、整流电路、逆变电路、Wi-Fi接收模块和第二供电模块；本发明可以根据运动者运动时大脑产生的脑电波所处的波段的不同来调节运动的节奏，同时也可以根据运动时所产生的脑电波波段来控制跑步机的开关，本发明更加人性化，丰富了人们的生活。
-
公开(公告)号：CN117311513B
公开(公告)日：2024-03-08
申请号：CN202311397465.0
申请日：2023-10-26
Applicant: 昆明理工大学
IPC: G06F3/01 , G06N3/0464 , G06F18/241 , G06F18/213
-
公开(公告)号：CN117311513A
公开(公告)日：2023-12-29
申请号：CN202311397465.0
申请日：2023-10-26
Applicant: 昆明理工大学
IPC: G06F3/01 , G06N3/0464 , G06F18/241 , G06F18/213
Abstract: 本发明涉及手势识别技术领域，且公开了一种卷积神经网络结合子域适应的低采样率肌电手势识别方法，包括数据收集模块、数据预处理模块、手势识别模块和评估分析模块，手势识别模块分为三个阶段，数据输入阶段、信息扩展阶段和模型预测阶段，数据输入阶段用于连接数据预处理模块中的输出的数据，信息扩展阶段通过将不同分支中的数据进行扩展。该卷积神经网络结合子域适应的低采样率肌电手势识别方法通过在NinaPro中的DB1和DB5两个数据库上进行验证，结果表明，在低采样率sEMG手势识别上，通过结合子域适应的低频率采样方法一定程度上减小了电极移位、肌肉疲劳、皮肤阻抗的变化和肌肉相对电极的相对运动等因素对低采样率肌电手势识别性能的影响。
-
-
-
-
-
-
-
-
-
Search Results
14
records
(took 0.02 seconds)
