-
公开(公告)号：CN114042245A
公开(公告)日：2022-02-15
申请号：CN202111346742.6
申请日：2021-11-15
IPC: A61N1/36 , A61B5/383 , H04L67/125
Abstract: 本发明公开了一种基于FPGA的分布式多通道可配置电生理刺激装置，包括交换机，与交换机通信连接的多个上位机和多个刺激节点；每个刺激节点包括FPGA、D/A以及信号调理电路，接收的网络数据包通过FPGA解析、D/A模数转换以及信号调理电路生成电生理刺激波形；交换机通过千兆网络与每个PFGA通信，以使每个刺激节点在交换机上自由挂载，组成分布式刺激节点；上位机通过交换机对任意数量刺激通道的控制，以解决传统电生理刺激装置不够灵活、无法协同工作、无法适用于需要同时进行多组电生理实验的场景、体积与性能无法兼顾等问题。
-
公开(公告)号：CN113989839A
公开(公告)日：2022-01-28
申请号：CN202111247839.1
申请日：2021-10-26
IPC: G06V40/10 , G06V20/40 , G06F16/783 , G06F16/78
Abstract: 本发明公开了一种基于时间戳的动物神经信号与行为视频的同步分析系统和方法，包括：视频监测装置，实时监测采集动物行为视频；行为分析系统，分析动物行为视频得到行为分析结果；神经信号采集装置，实时采集动物神经信号；计算主控系统，解码分析动物神经信号得到神经分析结果；存储系统，通过标记时间戳的方式同步流式存储动物行为视频和动物神经信号，以事件记录方式存储行为分析结果和神经分析结果；交互控制平台，依据标记时间戳或行为分析结果检索并获取动物行为视频和动物神经信号，并进行在线或离线同步显示和分析，该方法和系统通过标记时间戳和对动物神经信号与动物行为视频的存储，实现神经信号与行为视频的同步分析。
-
公开(公告)号：CN113989839B
公开(公告)日：2024-08-02
申请号：CN202111247839.1
申请日：2021-10-26
IPC: G06V40/10 , G06V20/40 , G06F16/783 , G06F16/78
Abstract: 本发明公开了一种基于时间戳的动物神经信号与行为视频的同步分析系统和方法，包括：视频监测装置，实时监测采集动物行为视频；行为分析系统，分析动物行为视频得到行为分析结果；神经信号采集装置，实时采集动物神经信号；计算主控系统，解码分析动物神经信号得到神经分析结果；存储系统，通过标记时间戳的方式同步流式存储动物行为视频和动物神经信号，以事件记录方式存储行为分析结果和神经分析结果；交互控制平台，依据标记时间戳或行为分析结果检索并获取动物行为视频和动物神经信号，并进行在线或离线同步显示和分析，该方法和系统通过标记时间戳和对动物神经信号与动物行为视频的存储，实现神经信号与行为视频的同步分析。
-
公开(公告)号：CN114035679B
公开(公告)日：2023-11-17
申请号：CN202111246696.2
申请日：2021-10-26
IPC: G06F3/01
Abstract: 本发明公开了一种可动态重组的脑神经信号并行解码装置和方法，包括：交互控制平台发布控制命令、配置参数，接收计算主控子系统反馈的脑神经信号解码结果；计算主控子系统依据控制命令和配置参数对脑神经信号进行分析，依据分析结果生成解码任务，并依据并行计算子系统的负载状况动态分配解码任务至并行计算子系统；接收并行计算子系统反馈的脑神经信号解码结果；并行计算子系统动态重组到计算主控子系统，依据解码任务生成与解析任务适配的解码算法链，利用解码算法链执行解码任务，得到脑神经信号解码结果；神经反馈装置将从计算主控子系统获得脑神经信号解码结果转换为刺激信号并反馈作用于采集对象，这样实现了脑神经信号的高性能并行解码。
-
公开(公告)号：CN114035679A
公开(公告)日：2022-02-11
申请号：CN202111246696.2
申请日：2021-10-26
IPC: G06F3/01
Abstract: 本发明公开了一种可动态重组的脑神经信号并行解码装置和方法，包括：交互控制平台发布控制命令、配置参数，接收计算主控子系统反馈的脑神经信号解码结果；计算主控子系统依据控制命令和配置参数对脑神经信号进行分析，依据分析结果生成解码任务，并依据并行计算子系统的负载状况动态分配解码任务至并行计算子系统；接收并行计算子系统反馈的脑神经信号解码结果；并行计算子系统动态重组到计算主控子系统，依据解码任务生成与解析任务适配的解码算法链，利用解码算法链执行解码任务，得到脑神经信号解码结果；神经反馈装置将从计算主控子系统获得脑神经信号解码结果转换为刺激信号并反馈作用于采集对象，这样实现了脑神经信号的高性能并行解码。
-
Patent Agency Ranking
公开(公告)号：CN119356892B
公开(公告)日：2025-04-11
申请号：CN202411930693.4
申请日：2024-12-26
Applicant: 浙江大学
IPC: G06F9/50 , G06N3/0985
Abstract: 本发明公开了一种基于分离式架构的分布式训练数据加载方法和装置，属于计算机技术领域，方法包括：远程中心调度器响应本地数据加载客户端发送的请求，收集训练样本的数据元信息并进行负载均衡计算生成数据加载计划和数据消费计划；远程数据加载服务器获取数据加载计划进行数据加载和数据预处理，得到预处理后的分布式训练数据，并预取下一个批次的数据；本地数据加载客户端根据数据消费计划向指定的远程数据加载服务器请求获取预处理后的分布式训练数据并缓存在本地。本发明不仅提升了分布式训练数据加载的效率，还保证了分布式训练中各计算节点的计算负载的均衡性，适用于大规模深度学习模型的分布式训练场景，具有较高的应用价值和推广前景。
-
公开(公告)号：CN119027767A
公开(公告)日：2024-11-26
申请号：CN202411022141.3
申请日：2024-07-29
Applicant: 浙江大学
IPC: G06V10/80 , G06V10/82 , G06V10/25 , G06V10/74 , G06T5/60 , G06T5/70 , G06N3/0455 , G06N3/0464 , G06N3/084
Abstract: 本发明公开了一种基于特征融合的恶劣天气目标检测方法和装置，包括：将目标检测模型作为检测分支，并提取真实恶劣天气图像的浅层特征图，并构建检测分支的检测损失；增加恶劣天气处理模型作为恶劣天气处理增强分支，并对真实恶劣天气图像进行去除恶劣天气干扰因素处理得到处理后图像；将浅层特征图和处理后图像分别经过混合随机池化得到池化后特征，将两池化后特征进行特征融合得到融合特征；计算融合特征与浅层特征图对应的池化后特征的相似度损失，依据相似度损失和检测损失对目标检测模型进行参数优化；利用参数优化后的目标检测模型对待检测的恶劣天气图像进行目标检测，这样可以以较低的计算消耗提升恶劣天气场景中目标检测的精度。
-
公开(公告)号：CN118925060A
公开(公告)日：2024-11-12
申请号：CN202410982960.6
申请日：2024-07-22
Applicant: 浙江大学
Abstract: 本发明公开了一种基于FPGA的侵入式闭环反馈电刺激装置，包括：前端采集子系统、闭环反馈控制子系统、电刺激子系统和PC机。闭环反馈控制子系统控制前端采集子系统完成多通道神经信号采样，对神经信号进行伪迹消除后提取神经信号标志，控制电刺激子系统对应通道输出电刺激。闭环反馈控制子系统通过SD卡离线存储神经信号数据，通过WiFi或有线网络与PC机通信；PC机安装有脑机接口专用的客户端软件，生成控制命令和接收采样数据。本发明设备和方法实现了采集、处理、刺激、存储和通讯的高度集成，用户可根据需要配置神经信号采集模块数量，具有一定的工程应用价值。
-
公开(公告)号：CN118116403A
公开(公告)日：2024-05-31
申请号：CN202311757464.2
申请日：2023-12-19
Applicant: 浙江大学
IPC: G10L21/0216 , G10L21/0208 , G10L25/30 , G06F18/213 , G06N3/0464 , G06N3/048
Abstract: 本发明公开了一种基于卷积神经网络的快速软阈值迭代反卷积波束形成方法和装置，包括：构建波束矩阵并得到基于迭代反卷积方法形成的初始波束信号强度；基于卷积神经网络构建多个网络单元，每个网络单元对应迭代反卷积方法的单次迭代过程，包括梯度下降、软阈值滤波以及动量更新三部分；将初始波束信号强度输入至单个网络单元依次进行梯度下降、软阈值滤波以及动量更新，动力更新的回波信号强度作为下一轮迭代对应网络单元的输入，经过多次迭代得到更新的最终回波信号强度，进而得到最终波束形成结果。本发明适用于阵列的反卷积波形成，提高了阵列成像质量。
-
公开(公告)号：CN117930249A
公开(公告)日：2024-04-26
申请号：CN202311756926.9
申请日：2023-12-19
Applicant: 浙江大学
IPC: G01S15/89 , G06F18/20 , G06N3/0985
Abstract: 本发明公开了一种基于渐进式贝叶斯压缩感知与图融合的阵列稀疏方法和装置，包括：以候选阵列阵元为输入，同时以理想全阵波束图为全阵参考波束图，设置多任务贝叶斯压缩感知的超参数以控制稀疏率；基于设置的超参数求解多任务贝叶斯压缩感知问题，获得初步稀疏后的阵列分布与阵元权重；以初步稀疏后的阵元为顶点、并在阵元间距小于等于约束距离的顶点之间建立连边，形成无向图，根据无向图的连通性将无向图划分为多个独立子图；并行迭代合并各独立子图中顶点，得到合并后阵元；基于支撑超平面将阵元合并后的稀疏阵列转为全局凸优化问题，并求解得到二次稀疏阵元权重，这样在满足阵列元素间距约束的同时，实现良好的稀疏性和波束性能。
-
-
-
-
-
-
-
-
-
Search Results
314
records
(took 0.073 seconds)
