-
公开(公告)号：CN109949932A
公开(公告)日：2019-06-28
申请号：CN201910244938.0
申请日：2019-03-28
Applicant: 南开大学
Inventor： 段峰 , 黄梓浩 , 孙哲 , 乔治·苏来·卡萨尔斯
Abstract: 本发明涉及计算机数据处理技术领域，更具体地，涉及一种基于机器学习的原发性震颤患病程度的判断方法。基于机器学习的辨别原发性震颤疾病程度的回归模型，对于训练完成的回归模型，仅需要使测试者在电子手写板上书写一些汉字即可计算出测试者患有原发性震颤的程度。
-
公开(公告)号：CN109598222A
公开(公告)日：2019-04-09
申请号：CN201811419474.4
申请日：2018-11-26
Applicant: 南开大学
Inventor： 段峰 , 孙哲 , 张志文 , 杨征路 , 乔治·苏来·卡萨尔斯
IPC: G06K9/00
Abstract: 本发明涉及脑机接口、人工智能与模式识别的算法，更具体地，涉及基于EEMD数据增强的小波神经网络运动想象脑电分类方法，可应用于医疗器械、人机交互、机器人控制等领域。包括如下步骤：采集电脑数据，针对时序脑电信号，采用EEMD方法生成人造数据进行数据增强用于神经网络参数训练。相较于传统的EMD方法，EEMD通过将白噪声加入待分解信号，通过零均值噪声的特性，通过集成均值IMF更好地解决了模式混叠的问题，生成区别度更大的人造脑电数据。同时构建小波神经网络模型提取运动想象脑电数据的特征来判别它们的分类。
-
公开(公告)号：CN109299751A
公开(公告)日：2019-02-01
申请号：CN201811420448.3
申请日：2018-11-26
Applicant: 南开大学
Abstract: 本发明涉及脑机接口、人工智能与模式识别的算法，更具体地，涉及基于EMD数据增强的卷积神经模型的SSVEP脑电分类方法，可应用于医疗器械、人机交互、机器人控制等领域。该方法首先对原始脑电数据进行预处理，预处理后采用经验模式分解方法分解原始脑电数据，混合生成大量符合原始脑电信号时频域特点的人造脑电数据，将人造脑电数据与原始脑电数据合并，用于神经网络的参数训，从而实现使用少量脑电数据有效训练网络参数的效果。最后采用复Morlet小波变换生成脑电张量，将原始的时域数据转换为集合时域、频域和空间信息的张量字典作为神经网络的输入，使用卷积神经网络模型对数据增强后的脑电训练集进行分类。
-
Patent Agency Ranking
公开(公告)号：CN116170026A
公开(公告)日：2023-05-26
申请号：CN202310146259.6
申请日：2023-02-17
Applicant: 南开大学
Abstract: 本发明公开了一种物联网设备生成数据及其他同类型数据的数据流实时压缩‑索引优化方法，在利用物联网设备生成数据本身的特征的基础上尽可能提高其压缩率和压缩速度，同时支持直接在被压缩数据上建立索引以支持快速的基于编辑距离的模糊搜索。本发明利用了相似压缩思想，需要实时维护一个参考组；本方法首先记录一段时间内到来的数据集合，在压缩阶段同时实时生成索引数据结构，对于新到来的数据项，计算该数据项与之前记录的数据集合的相似度以及该数据项的不同存储方式带来的压缩空间上的增量，以决定是否将该数据项直接压缩或是存储到参考组；在搜索时分为三个阶段，首先在参考组中搜索可能候选项，并将其传递到普通被压缩数据项，其次搜索在第一步中无法搜索到的跨压缩单元的候选项，上述步骤中利用三种过滤方式来大量减少候选项的数量以提高搜索速度，最终进行实际的验证以得到搜索答案。
-
公开(公告)号：CN116108406A
公开(公告)日：2023-05-12
申请号：CN202310133814.1
申请日：2023-02-17
Applicant: 南开大学
Abstract: 本发明公开的一种基于信息隐藏的模型主动防护技术，以主动防护为基准，面向人工智能技术的发展和进步对深度神经网络模型的知识产权保护带来的挑战，提出了一种新的保护方法。我们使用原始样本和签名作为输入，利用信息隐写技术生成关键样本，且关键样本和原始数据肉眼上不可分辨，之后利用距离控制算法生成具有特殊分布的三个对抗样本，使得三个对抗样本成正三角形环绕在签名样本周边，DNN模型利用关键样本和对抗样本进行对抗训练，以此将DNN模型和我们的关键样本建立唯一性关系，以期为模型赋予主动防护功能。本发明可以实现对深度学习模型知识产权进行主动性防护。
-
公开(公告)号：CN109598222B
公开(公告)日：2023-04-07
申请号：CN201811419474.4
申请日：2018-11-26
Applicant: 南开大学
Inventor： 段峰 , 孙哲 , 张志文 , 杨征路 , 乔治·苏来·卡萨尔斯
Abstract: 本发明涉及脑机接口、人工智能与模式识别的算法，更具体地，涉及基于EEMD数据增强的小波神经网络运动想象脑电分类方法，可应用于医疗器械、人机交互、机器人控制等领域。包括如下步骤：采集电脑数据，针对时序脑电信号，采用EEMD方法生成人造数据进行数据增强用于神经网络参数训练。相较于传统的EMD方法，EEMD通过将白噪声加入待分解信号，通过零均值噪声的特性，通过集成均值IMF更好地解决了模式混叠的问题，生成区别度更大的人造脑电数据。同时构建小波神经网络模型提取运动想象脑电数据的特征来判别它们的分类。
-
公开(公告)号：CN116127323A
公开(公告)日：2023-05-16
申请号：CN202310134532.3
申请日：2023-02-17
Applicant: 南开大学
IPC: G06F18/214 , G06F18/2415 , G06N5/04 , G06T1/00
Abstract: 本发明公开了一种基于近边界数据的模型所有权推断方法，以解决可疑模型的所有权问题。基于数据集推断的思想，无论盗窃模型直接攻击源模型还是其副产品，盗窃模型的知识是源模型中包含的知识，本发明利用近边界数据在源模型和盗窃模型中的近边界性，进行模型所有权的推断。具体来说，由受害者和可疑对手分别提供自己的近边界数据，输入可疑模型，根据输出结果分别计算到分类边界的距离，距离近的被判定拥有模型的所有权。由于数据通常是一组，应该根据统计结果进行分析，因此设计了一种基于假设检验的方法来表现推断置信度。本发明可以在几乎不降低模型精度的情况下，应对大部分的模型窃取攻击，甚至是面对歧义攻击时，解决模型的所有权问题。
-
公开(公告)号：CN109299751B
公开(公告)日：2022-05-31
申请号：CN201811420448.3
申请日：2018-11-26
Applicant: 南开大学
Abstract: 本发明涉及脑机接口、人工智能与模式识别的算法，更具体地，涉及基于EMD数据增强的卷积神经模型的SSVEP脑电分类方法，可应用于医疗器械、人机交互、机器人控制等领域。该方法首先对原始脑电数据进行预处理，预处理后采用经验模式分解方法分解原始脑电数据，混合生成大量符合原始脑电信号时频域特点的人造脑电数据，将人造脑电数据与原始脑电数据合并，用于神经网络的参数训，从而实现使用少量脑电数据有效训练网络参数的效果。最后采用复Morlet小波变换生成脑电张量，将原始的时域数据转换为集合时域、频域和空间信息的张量字典作为神经网络的输入，使用卷积神经网络模型对数据增强后的脑电训练集进行分类。
-
-
-
-
-
-
-
Search Results
8
records
(took 0.091 seconds)
