-
公开(公告)号：CN115495771A
公开(公告)日：2022-12-20
申请号：CN202210798075.3
申请日：2022-07-06
Applicant: 中国科学院计算技术研究所
IPC: G06F21/62 , G06V10/764 , G06V10/774 , G06N3/04 , G06N3/08 , G06N20/00 , G06Q10/04
Abstract: 本发明提出一种基于自适应调整权重的数据隐私保护方法和系统，解决了面向非独立同分布数据带来的模型性能下降和收敛速度变慢的问题，属于联邦学习应用技术领域。包括：在每一轮联邦通信开始时，服务器端利用辅助数据集评估全局模型类别层面的可信度，将可信度矩阵和全局模型参数下发到参与该轮联邦的客户端中；客户端根据本地私有数据集评估全局模型样本层面的可信度，进行知识蒸馏时利用类别可信度和样本可信度进行加权，动态指导本地模型的训练过程，并上传更新后的本地模型参数至服务器端；服务器端加权聚合各本地模型参数更新全局模型。
-
公开(公告)号：CN114417969A
公开(公告)日：2022-04-29
申请号：CN202111551153.1
申请日：2021-12-17
Applicant: 中国科学院计算技术研究所
Abstract: 本发明提出一种基于细粒度迁移的跨场景认知能力评估方法，包括：以用户在第一场景下的认知数据为源域数据，以该用户在第二场景下的认知数据为目标域数据；以源域数据集为训练集，训练随机森林分类器，生成源域模型；获得该个体分类器对目标域数据集的测试准确率，以及从源域特征到目标域特征的信息增益差；根据该测试准确率和该信息增益差，将所有该个体分类器聚类为多个簇；对各簇中的个体分类器采用对应的生长机制进行更新，获得目标域模型；通过该目标域模型对该用户在该第二场景下的认知能力进行评估。本发明还提出一种基于细粒度迁移的跨场景认知能力评估系统，以及一种数据处理装置。
-
公开(公告)号：CN110801227B
公开(公告)日：2021-07-20
申请号：CN201911248610.2
申请日：2019-12-09
Applicant: 中国科学院计算技术研究所
Abstract: 本发明涉及一种基于可穿戴设备的立体色块障碍测试模型的训练方法，包括：通过可穿戴设备采集用户在立体色块障碍测试中产生的多模态信号；对所述多模态信号进行预处理并划分为多个信号片段；根据所述用户的动作类型标定所述多模态信号片段；利用所述标定后的多模态信号片段训练神经网络。
-
公开(公告)号：CN107480697B
公开(公告)日：2020-04-03
申请号：CN201710566320.7
申请日：2017-07-12
Applicant: 中国科学院计算技术研究所
Abstract: 本发明涉及一种肌电手势识别方法和系统，该方法由三个步骤组成：特征集构建，利用肌电臂环获取用户肌电手势数据，经过卡尔曼滤波、矩形滑动窗口机制分割和经验模态分解等预处理操作之后，提取该肌电手势数据的时域、频域特征构建特征集；基于标准空间的特征表示，将特征集输入位置预测模型，预测当前肌电臂环佩戴位置，根据位置预测结果将原始特征转化为标准空间的特征表示；手势识别，根据标准空间的特征，构建手势识别模型，识别用户手势。本发明提出的方法能够解决手势识别过程中，因肌电臂环佩戴位置变化造成的识别精度降低的问题，具有识别精度高等方面的优势。
-
公开(公告)号：CN107157450B
公开(公告)日：2020-03-31
申请号：CN201710463520.X
申请日：2017-06-19
Applicant: 中国科学院计算技术研究所
IPC: A61B5/00 , A61B5/11 , A61B5/0488 , G06K9/62
Abstract: 本发明提供了用于对帕金森病人的手部运动能力进行量化评估方法和系统，利用可穿戴的肌电传感器捕获被检测者在执行指定动作时的手部表面肌电信号，基于训练好的与所述指定动作对应的运动能力分类器以从表面肌电信号中提取时域特征和频域特征以及与指定动作的完成情况相关的特征来对被检测者的手部运动能力进行量化评估。通过该方法和系统可以更客观准确地对帕金森病人的手部运动能力进行等级评估。
-
Patent Agency Ranking
公开(公告)号：CN107518896B
公开(公告)日：2019-07-30
申请号：CN201710565772.3
申请日：2017-07-12
Applicant: 中国科学院计算技术研究所
IPC: A61B5/0488
Abstract: 本发明涉及一种肌电臂环佩戴位置预测方法，包括如下步骤：细粒度特征提取步骤，是基于经验模态分解算法，将肌电信号分解为本征模函数分量并对该肌电信号及该分量分别提取时域、频域特征组成位置预测样本；佩戴位置预测步骤，通过肌电臂环采集当前时刻肌电信号，提取该信号细粒度特征，经位置预测模型获取当前时刻的位置预测概率向量，再融合当前时刻之前的历史时刻位置预测概率向量，计算生成当前佩戴位置预测结果。本发明能够提升佩戴位置的预测精度，降低预测误差，具有精准度高、稳定性强的优势。
-
公开(公告)号：CN107480697A
公开(公告)日：2017-12-15
申请号：CN201710566320.7
申请日：2017-07-12
Applicant: 中国科学院计算技术研究所
Abstract: 本发明涉及一种肌电手势识别方法和系统，该方法由三个步骤组成：特征集构建，利用肌电臂环获取用户肌电手势数据，经过卡尔曼滤波、矩形滑动窗口机制分割和经验模态分解等预处理操作之后，提取该肌电手势数据的时域、频域特征构建特征集；基于标准空间的特征表示，将特征集输入位置预测模型，预测当前肌电臂环佩戴位置，根据位置预测结果将原始特征转化为标准空间的特征表示；手势识别，根据标准空间的特征，构建手势识别模型，识别用户手势。本发明提出的方法能够解决手势识别过程中，因肌电臂环佩戴位置变化造成的识别精度降低的问题，具有识别精度高等方面的优势。
-
公开(公告)号：CN103777915B
公开(公告)日：2017-11-03
申请号：CN201410044065.6
申请日：2014-01-30
Applicant: 中国科学院计算技术研究所
IPC: G06F3/14
Abstract: 本发明提供一种沉浸式交互系统，包括：实物工作台、第一摄影设备、第一显示设备，所述实物工作台上设置有所述工作区域，所述第一摄影设备用于拍摄本地的所述工作区域的图像，所述第一显示设备用于显示对端工作区域的虚拟图像，其中，对端工作区域的虚拟图像的显示区域与本地的所述工作区域重合。本发明能够提供远程沉浸式自然交互，让远程用户之间不但可以面对面地交流，还可以手把手地协同工作。本发明为用户提供清晰自然逼真的画面，并且工作区域虚实结合且可转动，给人极强的真实感和沉浸感。
-
公开(公告)号：CN112861798B
公开(公告)日：2023-07-21
申请号：CN202110270458.9
申请日：2021-03-12
Applicant: 中国科学院计算技术研究所
IPC: G06F18/24 , G06N20/00 , G06F18/23 , G06F18/214
Abstract: 本发明提供一种基于生理信号的分类识别方法、介质及电子设备，其中，生理信号由多个电极采集得到。基于生理信号的分类识别方法包括：基于电极之间的分布差异对多个电极进行聚类，得到多个电极簇；其中电极之间的分布差异包括电极所采集的生理信号之间的相关性以及电极之间的空间距离；对于多个电极簇中的每个电极簇，基于该电极簇内的电极所采集的生理信号构建一个或多个个体分类器；基于所构建的所有个体分类器形成分类识别模型；以及接收多个电极从待识别目标采集的生理信号，基于所接收的生理信号，通过分类识别模型得到分类识别结果。本发明可以实现基于生理信号的高精准、强鲁棒的分类识别。
-
公开(公告)号：CN113379071B
公开(公告)日：2022-11-29
申请号：CN202110666751.7
申请日：2021-06-16
Applicant: 中国科学院计算技术研究所
IPC: G06N20/20
Abstract: 本发明提供一种基于联邦学习的噪声标签修正方法，包括：将客户端根据本地训练数据更新的本地模型参数和对应的样本数据量发送给服务端；获取服务端根据客户端以及其他客户端更新的本地模型参数和对应的样本数据量计算的全局模型参数；由客户端根据全局模型参数和本地训练数据，计算指示不同类别的平均预测概率的多个本地类基准并发送给服务端；获取服务端根据多个本地类基准计算的多个全局类基准，并基于全局模型参数和全局类基准对客户端的本地训练数据进行噪声标签修正。将该修正方法应用于联邦学习系统中，实现了信息增强，减少了数据的损失以及对额外参照集的依赖，有效地提高了联邦学习训练结构测试的准确率。
-
-
-
-
-
-
-
-
-
Search Results
54
records
(took 0.055 seconds)
