-
公开(公告)号：CN116756657A
公开(公告)日：2023-09-15
申请号：CN202311031625.X
申请日：2023-08-16
Applicant: 成都信息工程大学
IPC: G06F18/2415 , G06F18/25 , G06F18/10 , G06N3/0464 , G06N3/0455 , G06N3/047 , G06N3/0499 , G06N3/048 , G06N3/084 , G06F123/02
Abstract: 本发明公开了一种基于CNN和Transformer的fNIRS脑力负荷检测方法，其包括获取fNIRS采集设备采集的原始数据，并对原始数据进行预处理得到氧合血红蛋白和脱氧血红蛋白浓度的信号#imgabs0#和#imgabs1#；对信号#imgabs2#和#imgabs3#进行一维卷积操作，并在通道维度上对卷积操作后的两个信号进行组合，得到组合信号Hb；采用卷积神经网络对组合信号Hb进行局部细粒度时间特征的提取，得到特征矩阵；采用Transformer模块对特征矩阵进行特征增强提取，得到状态特征；将状态特征输入多层感知机分类层，得到脑力负荷检测的分类结果。
-
公开(公告)号：CN116363635A
公开(公告)日：2023-06-30
申请号：CN202310265323.2
申请日：2023-03-17
Applicant: 成都信息工程大学
IPC: G06V20/59 , G06V40/16 , G06V40/18 , G06V10/80 , G06V10/82 , G06V10/774 , G06N3/0464 , G06N3/0442 , G06N3/048 , G06N3/045 , G06N3/08
Abstract: 本发明公开了一种驾驶员疲劳检测方法，所述驾驶员疲劳检测方法包括：S1：利用Wider_face人脸数据集训练MTCNN模型结构，得到训练好的MTCNN模型结构；S2：利用所述训练好的MTCNN模型结构对人脸图像中的人脸关键特征进行定位，得到定位后的人脸图像；S3：对所述定位后的人脸图像进行眼部特征提取，得到眼部时间特征和眼部空间特征；S4：利用多维度的深度融合网络对所述眼部时间特征和所述眼部空间特征进行融合，得到融合结果；S5：对所述融合结果进行状态识别，得到驾驶员疲劳检测结果。本发明能够将眼睛特征转化为时间特征和空间特征，以从不同的角度深入挖掘局部特征，从而最大化疲劳检测的效果。
-
公开(公告)号：CN111312329B
公开(公告)日：2023-03-24
申请号：CN202010115572.X
申请日：2020-02-25
Applicant: 成都信息工程大学
IPC: G16B15/30 , G16B30/00 , G16B40/00 , G06N3/0464 , G06N3/045 , G06N3/0442
Abstract: 本发明公开一种基于深度卷积自动编码器的转录因子结合位点预测的方法，应用于计算机技术和生物信息技术领域，为了解决模型对没有结合位点的阴性序列样本的依赖性同时提高模型泛化能力；本发明首先通过染色质免疫共沉淀技术特异性地富集目的蛋白结合的DNA片段，从而获得原始数据集；然后对原始数据集进行预处理，得到训练数据集；其次将训练数据集输入卷积自动编码器进行训练；最后根据训练完成的卷积自动编码器进行结合位点识别；实验证明本发明能够针对不同细胞系的不同转录因子结合位点预测，且具备高准确率识别的效果。
-
公开(公告)号：CN114640988B
公开(公告)日：2023-03-14
申请号：CN202210533513.3
申请日：2022-05-17
Applicant: 成都信息工程大学
IPC: H04W12/033 , H04L12/46
Abstract: 本申请提供一种基于隐式指示加密的信息处理方法及装置，用以满足高安全需求，保障用户面数据传输的安全。该方法包括：会话管理网元根据终端的用户面策略，确定接入网设备不开启终端的用户面安全策略；接入网设备为终端当前驻留的接入网设备；会话管理网元向终端发送第一指示信息，和/或，向用户面网元发送第二指示信息；终端与用户面网元之间预先建立有安全隧道，第一指示信息和第二指示信息均用于指示接入网设备不开启终端的用户面安全策略。
-
公开(公告)号：CN114781442A
公开(公告)日：2022-07-22
申请号：CN202210359058.X
申请日：2022-04-07
Applicant: 成都信息工程大学
Abstract: 本发明公开了一种基于四维注意力卷积循环神经网络的疲劳分类方法，包括以下步骤：S1、采集脑电信号并输入四维特征提取模块，提取脑电信号的四维特征；S2、将提取到的四维特征输入注意力模块，到拥有空间‑通道注意力的特征；S3、将拥有空间‑通道注意力的特征输入卷积循环神经网络模块，进行疲劳分类。本发明解决了基于脑电信号的神经网络可解释性差的问题，它不仅提高了分类的准确率，并且通过它可以从空间和频带的角度进行可视化，提高网络的可解释性。使用深度可分离卷积层，相比于普通卷积层，模型大小降低了70％左右，准确率却提高1.44％，并且提出一种双分支深度可分离卷积，对空间信息的处理上融合了两种尺度感受野，进一步将准确率提高0.45％。
-
Patent Agency Ranking
公开(公告)号：CN114640988A
公开(公告)日：2022-06-17
申请号：CN202210533513.3
申请日：2022-05-17
Applicant: 成都信息工程大学
IPC: H04W12/033 , H04L12/46
Abstract: 本申请提供一种基于隐式指示加密的信息处理方法及装置，用以满足高安全需求，保障用户面数据传输的安全。该方法包括：会话管理网元根据终端的用户面策略，确定接入网设备不开启终端的用户面安全策略；接入网设备为终端当前驻留的接入网设备；会话管理网元向终端发送第一指示信息，和/或，向用户面网元发送第二指示信息；终端与用户面网元之间预先建立有安全隧道，第一指示信息和第二指示信息均用于指示接入网设备不开启终端的用户面安全策略。
-
公开(公告)号：CN114267444A
公开(公告)日：2022-04-01
申请号：CN202111587403.7
申请日：2021-12-23
Applicant: 成都信息工程大学
Abstract: 本发明公开了一种利用睡眠结构检测阻塞性呼吸暂停及夜间额叶癫痫的方法，包括以下步骤：S1、数据采集：分别采集健康人、OSA患者和NFLE患者的睡眠数据；S2、数据预处理；S3、建立自动睡眠分期网络模型，利用自动睡眠分期网络模型对健康人睡眠数据进行分期处理；S4、进行迁移学习，得到OSA患者和NFLE患者的睡眠分期结构；S5、建立睡眠疾病检测模型。本发明利用睡眠结构检测OSA及NFLE疾病的方法，能够从睡眠结构层次有效检测OSA及NFLE睡眠疾病，该模型具有实际应用的潜力。
-
公开(公告)号：CN114081505A
公开(公告)日：2022-02-25
申请号：CN202111587404.1
申请日：2021-12-23
Applicant: 成都信息工程大学
Abstract: 本发明公开了一种基于皮尔逊相关系数和卷积神经网络的脑电信号识别方法，包括以下步骤：S1、选择数据：从情感脑电、视觉诱发脑电和运动想象脑电数据库中分别选择相同通道的信号；S2、信号预处理：利用带通滤波器去除眼电伪迹信号以及工频干扰信号；S3、使用皮尔逊相关系数算法进行特征提取；S4、将S3提取的特征输入稠密度卷积神经网络中进行训练，得到深度学习身份识别模型，利用深度学习身份识别模型对脑电信号进行身份识别。本发明选用了情感脑电信号、视觉诱发脑电信号和运动想象脑电信号进行身份识别，使用多种任务态的脑电信号，减少了在获取EEG信号时对用户的限制，使基于EEG信号的身份识别方法更具有普适性和泛化性。
-
公开(公告)号：CN113243924A
公开(公告)日：2021-08-13
申请号：CN202110544789.7
申请日：2021-05-19
Applicant: 成都信息工程大学
Abstract: 本发明公开了一种基于脑电信号通道注意力卷积神经网络的身份识别方法，包括以下步骤：S1、从情感脑电数据库中选择不同通道的EEG信号作为原始信号；S2、利用带通滤波器去除原始信号中的眼电伪迹信号以及工频干扰信号，得到纯净的情感脑电信号；S3、将预处理之后的情感脑电信号输入深度学习身份识别模型中，利用深度学习算法对情感脑电信号进行身份识别。本发明选用了情感EEG信号进行身份识别，情感EEG易于获取，身份识别方法更具有普适性和泛化性。本发明缩短了前层和后层之间连接的神经元数量，减轻了梯度消失问题，加强特征传播和减少网络参数更有效的利用了不同情感状态的EEG信号特征，从而有效的进行情感脑电信号的身份识别。
-
公开(公告)号：CN111312329A
公开(公告)日：2020-06-19
申请号：CN202010115572.X
申请日：2020-02-25
Applicant: 成都信息工程大学
Abstract: 本发明公开一种基于深度卷积自动编码器的转录因子结合位点预测的方法，应用于计算机技术和生物信息技术领域，为了解决模型对没有结合位点的阴性序列样本的依赖性同时提高模型泛化能力；本发明首先通过染色质免疫共沉淀技术特异性地富集目的蛋白结合的DNA片段，从而获得原始数据集；然后对原始数据集进行预处理，得到训练数据集；其次将训练数据集输入卷积自动编码器进行训练；最后根据训练完成的卷积自动编码器进行结合位点识别；实验证明本发明能够针对不同细胞系的不同转录因子结合位点预测，且具备高准确率识别的效果。
-
-
-
-
-
-
-
-
-
Search Results
157
records
(took 0.062 seconds)
