-
公开(公告)号：CN112418338B
公开(公告)日：2024-08-23
申请号：CN202011364819.8
申请日：2020-11-27
Applicant: 北京工业大学
IPC: G16H50/70 , G16H10/60 , G06F18/213 , G06F18/23
Abstract: 本发明涉及一种基于显著点自适应等度量映射流形的癫痫数据降维的聚类可视化方法，用于分析癫痫病人不同时期的演化规律，具体包括以下内容：选择癫痫病人的脑电数据集；设置显著点自适应等度量映射流形的各种初始参数；构建脑电样本的邻域图；选择显著脑电样本点，并计算从显著样本点到所有样本点之间的最短路径；分段线性自适应调节机制更新距离矩阵；计算低维嵌入坐标；自适应优化嵌入坐标；2维和3维聚类可视化分析。本发明可视化效果明显，有很好的聚类表现。本发明可以辅助专业的医务员标注数据，并且方便医务人员及交叉领域人员分析导致癫痫病人的脑电在不同时期产生这种聚类规律的内在病理缘由。
-
公开(公告)号：CN113158964B
公开(公告)日：2024-05-28
申请号：CN202110494434.1
申请日：2021-05-07
Applicant: 北京工业大学
IPC: G06F18/24 , G06F18/10 , G06F18/213 , G06N3/0464 , G06N3/048 , G06N3/08
Abstract: 本发明提出了一种基于残差学习和多粒度特征融合的睡眠分期方法，属于信号处理和模式识别领域。首先，对原始睡眠脑电信号进行预处理，获得若干睡眠脑电信号数据样本，且每一个数据样本包含N个通道的数据。接下来，对每一个数据样本的N个通道数据分别进行HHT获得N个脑电数据的时频矩阵特征。最后，将所有样本的上述时频矩阵特征送入基于残差学习和多粒度特征融合的睡眠分期网络中，完成睡眠脑电信号的多粒度特征提取和分类任务。本发明能够在自适应提取到的睡眠脑电信号时频特征上高效融合不同粒度特征，实验证明本发明提出的网络训练速度快，对专家先验知识依赖少，有效提升了现有自动化睡眠分期方法的分类性能和效率。
-
公开(公告)号：CN112989918B
公开(公告)日：2024-05-28
申请号：CN202011558723.5
申请日：2020-12-25
Applicant: 北京工业大学
IPC: G06F18/10 , G06F18/214 , G06N20/00
Abstract: 本发明涉及一种基于核递推最小二乘自适应追踪算法的脑电信号在线预测方法，用于解决在线检测的脑电信号存在不准确、缺失的问题。包括训练和预测两个阶段，训练阶段包括生成脑电信号标签；选择回遗忘策略，更新中间参数；对脑电信号进行在线预测，得到无噪声方差、预测的平均输出信号片段和预测的方差；计算当次迭代的预测的输出信号片段与输出脑电时序序列片段标签之根均方误差，并调节中间参数，如果所有样本中所有片段的根均方误差达到最小，则训练完成，进行在线预测阶段；否则继续训练；本发明实现了脑电信号的预测，解决了脑电信号测量不准确，信号缺失的问题。
-
公开(公告)号：CN112783473B
公开(公告)日：2024-02-02
申请号：CN202110071298.5
申请日：2021-01-20
Applicant: 北京工业大学
Abstract: 本发明提供了一种使用单个DSP单元并行计算6个4Bit和3Bit整形数据乘法运算方法，其特点是扩展了FPGA中DSP对低位宽乘法计算的支持，使得一个DSP能够同时计算6个4Bit和3Bit整形数据输入7Bit整形数据输出的乘法运算，充分发挥了低位宽计算优势，大幅度提高计算并行度，减少资源消耗，进而提升计算速度降低功耗。
-
公开(公告)号：CN113014394B
公开(公告)日：2023-07-14
申请号：CN202110196745.X
申请日：2021-02-22
Applicant: 北京工业大学
Abstract: 本发明提供了一种基于联盟链的电子数据存证方法及系统，提出了基于分布式密钥生成协议的联盟链成员准入方法，底层联盟链不再依赖集中式CA节点，保证用户证书申请由用户独立完成，不需要第三方存证机构进行代理；提出了基于双密钥对机制和(t,n)门限加密算法的电子数据加解密方法，在确保用户所存证电子数据机密性的同时，保证司法机构可对电子数据真实性进行验证；提出了分散式的管理模式，避免了集中式管理模式带来的安全威胁。基于电子数据存证方法所实现的存证系统的系统架构，可分为用户层、应用层及数据层三层，包含注册登录、数据存证、数据核验、区块公示和个人中心五个模块。本发明能够保证电子数据存证安全可靠。
-
Patent Agency Ranking
公开(公告)号：CN115193055A
公开(公告)日：2022-10-18
申请号：CN202210164356.3
申请日：2022-02-22
Applicant: 北京工业大学
IPC: A63F13/67 , A63F13/822
Abstract: 本发明属于推荐系统领域，针对多人在线战术竞技类型MultiplayerOnlineBattleArena,MOBA游戏装备推荐问题，提出了一种基于图注意力网络的MOBA游戏装备推荐方法。首先使用基于Transformer的局部和全局注意力特征提取方法，针对局内对战队伍的多属性特征进行细粒度提取，促使模型在装备推荐时既考虑己方协助信息也考虑敌方制约信息，进行有效信息互通。其次，基于图注意力网络的全局多重聚合方法通过计算影响因子权重深入更新聚合特征，不断强化英雄‑英雄、英雄‑装备间的交互影响。本发明在Precision和MAP指标上明显优于先前方法，对MOBA游戏的装备推荐更准确有效。
-
-
公开(公告)号：CN114445643A
公开(公告)日：2022-05-06
申请号：CN202210090736.7
申请日：2022-01-26
Applicant: 北京工业大学
IPC: G06V10/46 , G06V10/25 , G06V10/77 , G06V10/80 , G06V10/764 , G06V10/82 , G06K9/62 , G06N3/04 , G06N3/08 , A61B5/055
Abstract: 本发明提供了一种基于显著稀疏强关联的fmri脑功能连接数据特征提取方法，该方法借鉴了空间自注意力机制思想，对fmri数据相关的显著性区域特征进行提取并对非显著性区域特征做稀疏化处理，而后结合不同显著性区域特征的强关联性解决数据特征提取过程中出现的样本维度高、冗余特征过多，以及特征关联信息利用不足等问题。为了客观评价所提出模型的有效性，在ABIDE和ADHD数据集上进行验证。实验结果表明，本文提出的特征提取方法有效提高了fmri脑功能连接数据的分类准确率。
-
公开(公告)号：CN112950656A
公开(公告)日：2021-06-11
申请号：CN202110253729.X
申请日：2021-03-09
Applicant: 北京工业大学
Abstract: 一种基于FPGA平台的按通道进行预读取数据的分块卷积方法属于基于硬件的神经网络的定制化优化加速领域。本发明利用FPGA的高灵活性，对整个计算过程进行定制化设计，以提高整个推断过程的计算速度。在数据预读取方面，将特征图进行分块，从而消除传统卷积过程中的各层之间的依赖性，并且以按通道读取的方式进行数据读取，减少缓存的占用；在卷积过程中，利用循环流水和循环展开来充分利用FPGA的大量计算资源，增加计算的并行力度。同时为了使得流水线的流水间隔为1，本发明把并行循环展开层调整到最内层循环中。此种方法充分利用了数据局部性，并降低了硬件所需数据带宽，提高了计算吞吐率。
-
公开(公告)号：CN109981227A
公开(公告)日：2019-07-05
申请号：CN201910224812.7
申请日：2019-03-24
Applicant: 北京工业大学
Abstract: 本发明公开了物联网场景中基于组通信的HARQ传输方法及控制系统，属于通信技术领域。在一块特定无线资源内，在第二时间点，监听基站发送的组HARQ指示信道；解码监听到的组HARQ指示信道；根据第四规则，从解码后的组HARQ指示信道中确定组HARQ指示信息。解码来自网络接入点的数据，获得一个IoT逻辑组的组ID，并确定成为一个组协调终端，其中，该所述IoT逻辑组是网络接入点按照第二规则确定的；按照第三规则在第一时间点发送该一组内物联网终端的数据。与现有技术相比，本发明针对大规模物联网装置的通信需求，尤其是在覆盖弱区和盲区，提供了无线通信系统的资源效率，减少了物联网装置的耗电量。
-
-
-
-
-
-
-
-
-
Search Results
38
records
(took 0.039 seconds)
