-
公开(公告)号：CN100376895C
公开(公告)日：2008-03-26
申请号：CN200410088779.3
申请日：2004-11-03
Applicant: 中国科学院计算技术研究所
Abstract: 本发明公开了一种使用串联质谱数据鉴定肽的方法，包括步骤：将要被鉴定的肽进行实验碎裂以生成实验串联质谱；将数据库中的多个候选肽进行理论碎裂以生成多个理论串联质谱；用径向基函数核分别计算多个理论串联质谱与实验串联质谱的相似度，该径向基函数包括一指数部分；根据所计算的相似度选取出与实验串联质谱最相似的理论串联质谱所对应的肽作为鉴定结果。本发明的使用串联质谱数据鉴定肽的方法采用径向基函数核来评价多个理论串联质谱与实验串联质谱的相似度，并进一步在径向基函数核的指数部分通过对连续碎片离子的求和来强调连续碎片离子的正相关特性，比现有技术中鉴定肽的方法具有更高的准确率，明显降低了假阳性结果。
-
公开(公告)号：CN119786007A
公开(公告)日：2025-04-08
申请号：CN202411596286.4
申请日：2024-11-11
Applicant: 中国科学院计算技术研究所
IPC: G16H50/20 , A61B5/11 , A61B5/00 , G16H50/70 , G06F18/241 , G06F18/214 , G06N3/0464 , G06N3/049
Abstract: 本发明提供了一种运动能力评估方法，包括：获取待评估者的运动数据；从待评估者的运动数据中，提取待评估者的原始运动姿态数据；按预设数据对齐要求，对待评估者的原始运动姿态数据进行预处理，得到待评估者的预处理后的运动姿态数据；将待评估者的预处理后的运动姿态数据，输入按照本发明的训练方法得到的经训练的运动能力评估模型，以评估待评估者的运动能力。
-
公开(公告)号：CN119673470A
公开(公告)日：2025-03-21
申请号：CN202411633653.3
申请日：2024-11-15
Applicant: 中国科学院计算技术研究所
IPC: G16H50/70 , G16H50/30 , G06F18/214 , G06F18/213 , G06F18/22 , G06F18/241 , G06N3/045 , G06N3/0442 , G06N3/0464 , G06N3/08 , G06N5/045 , G06F123/02
Abstract: 本发明提供了一种医学任务预测模型构建方法，所述方法包括：步骤S1、获取训练数据集，所述训练数据集包括多个预设时间段的时序血压数据；步骤S2、构建初始模型，所述初始模型包括特征提取模块、多通道原型网络模块和全连接层；步骤S3、以时序血压数据作为输入，时序血压数据的疾病分类结果作为预测输出，按照预设的训练规则训练初始模型直至收敛，得到医学任务预测模型。本发明提出的医学任务预测模型能够对时序血压数据中不同通道的数据进行特征提取和相似度计算，以充分获取不同通道数据的特征信息，进而提升模型预测精度；还能将时序血压数据与全局原型相匹配，以直观理解模型的决策过程。
-
公开(公告)号：CN118503704A
公开(公告)日：2024-08-16
申请号：CN202410642613.9
申请日：2024-05-23
Applicant: 中国科学院计算技术研究所
IPC: G06F18/214 , G06F18/213 , G06F18/22 , G06N3/08 , G06N3/0442
Abstract: 本发明提供了一种异常检测模型构建方法，所述方法包括：步骤S1、获取一个或多个数据集，其中，每个数据集中均包括多个正常数据样本，且每个数据集与其他数据集之间没有交集；步骤S2、构建初始异常检测模型，其包括特征提取模块、循环记忆模块和特征还原模块，其中，特征提取模块用于提取正常数据样本的原始特征，循环记忆模块用于基于自身存储的记忆数据对原始特征进行相似度计算以获取正常数据样本的目标相似性特征，特征还原模块用于基于目标相似性特征进行特征还原以重构正常数据样本；步骤S3、采用所述步骤S1获取的一个或多个数据集训练初始异常检测模型直至模型收敛。本发明引入循环记忆模块，解决了数据场景封闭性假设的限制。
-
公开(公告)号：CN118471495A
公开(公告)日：2024-08-09
申请号：CN202410548213.1
申请日：2024-05-06
Applicant: 中国科学院计算技术研究所
IPC: G16H50/30 , G06F18/25 , G06N3/0455 , G06N3/0442 , G06N3/08
Abstract: 本发明提供了一种基于多模态融合深度学习的围手术期并发症风险预测方法，所述方法基于多模态融合的围手术期并发症风险预测模型来进行预测，该模型包括：数据预处理模块，用于对患者的初始术中时序生理信号和初始结构化数据进行预处理，以得到满足输入需求的术中时序生理信号和结构化数据；术中时序生理信号特征提取网络，为深度神经网络，用于从术中时序生理信号中提取时序生理信号模态的第一特征向量；结构化数据特征提取网络，为感知机，用于从结构化数据中提取结构化数据模态的第二特征向量；多模态融合模块，用于对第一特征向量和第二特征向量进行语义对齐和融合，得到融合特征；预测模块，用于根据融合特征进行围手术期并发症的风险预测。
-
Patent Agency Ranking
公开(公告)号：CN118246519A
公开(公告)日：2024-06-25
申请号：CN202410175531.8
申请日：2024-02-08
Applicant: 中国科学院计算技术研究所
IPC: G06N3/098 , G06F18/214
Abstract: 本发明提供了一种用于联邦学习的系统，包括：中心端管理模块，用于部署在中心端计算设备上，被配置为：执行联邦任务相关的一个或者多个指令，根据预设的联邦学习框架进行联邦任务的调度和对应模型的参数聚合，根据单个联邦任务的粒度和授权，分别赋予每个联邦任务访问对应联邦方计算设备上至少部分隐私数据资源的权限，并在任务结束后即时撤销权限；零信任代理模块，用于部署在参与联邦任务的联邦方计算设备上，以根据中心端模块赋予联邦任务的权限，受控地访问本地存储的对应隐私数据资源，根据预设的联邦学习框架完成对应模型的训练和推理过程；本发明通过联邦任务级别的资源访问即时授权和用后撤权，保障联邦学习过程中，隐私数据资源的安全。
-
公开(公告)号：CN114209323B
公开(公告)日：2024-05-10
申请号：CN202210069138.1
申请日：2022-01-21
Applicant: 中国科学院计算技术研究所
IPC: A61B5/16 , A61B5/369 , A61B5/00 , G06F18/241 , G06N3/049 , G06N3/0464 , G06N3/08
Abstract: 本发明实施例提供了一种识别情绪的方法以及基于脑电数据的情绪识别模型，其中，情绪识别模型包括：空间矩阵构造模块，用于根据多个时间片中的每个时间片获得的用户的脑电信号生成第一空间矩阵，得到多个第一空间矩阵；空间特征提取模块，用于对多个第一空间矩阵中每个第一空间矩阵分别利用注意力机制计算每行以及每列的注意力权值，并根据每个第一空间矩阵的每行以及每列的注意力权值获得多个第二空间矩阵；时空特征融合模块，用于提取多个第二空间矩阵间的时序关联特征，根据多个第二空间矩阵以及对应的时序关联特征，得到多个时空表征向量；情绪识别模块，用于根据多个时空表征向量确定用户的情绪。
-
公开(公告)号：CN117993458A
公开(公告)日：2024-05-07
申请号：CN202410009172.9
申请日：2024-01-02
Applicant: 中国科学院计算技术研究所
IPC: G06N3/08
Abstract: 本发明实施例提供了一种数据标注系统及方法，用于实现不同数据的标注任务，其特征在于，所述系统包括模型即服务端、数据标注端以及模型训练端来完成数据标注任务。本发明的方法可以能够在面临新的数据标注任务时，只需在数据标注系统中选择新的版本或新的推理服务即可，无需对数据标注系统进行代码上的修改，并且可以做到对深度学习模型进行灵活的调用与更新，同时该数据标注系统能够在数据不泄露的条件下对待标注数据进行快速标注。进一步地，可以在本发明的数据标注系统中基于数据标注端标注的数据对模型即服务端中已经存储过的深度学习模型或新的深度学习模型进行训练，以更新或增加模型即服务端中的深度学习模型，从而提高数据标注的准确率。
-
公开(公告)号：CN117763420A
公开(公告)日：2024-03-26
申请号：CN202311788225.3
申请日：2023-12-25
Applicant: 中国科学院计算技术研究所
IPC: G06F18/241 , G06F18/213 , G06F18/25 , G06N3/045 , G06N3/0464 , G06N3/084 , G01S13/88 , G01S13/08
Abstract: 本发明提供一种神经网络模型，用于根据雷达人体活动数据识别人体活动，包括：时空信息编码器，用于根据所述雷达人体活动数据同步编码时间信息和空间信息；特征提取模块，用于融合所述时间信息和空间信息以提取人体活动特征；外部注意力模块，用于根据所提取的人体活动特征对人体活动分类。本发明的神经网络模型能有效提高模型的泛化性能，在更复杂的人体活动上也能实现较高的准确率，可以应用于跌倒检测、灾害救援等实际场景中。
-
公开(公告)号：CN117708651A
公开(公告)日：2024-03-15
申请号：CN202311694548.6
申请日：2023-12-12
Applicant: 中国科学院计算技术研究所
IPC: G06F18/24 , G06F18/10 , G06F18/213 , G06F123/02
Abstract: 一种基于多专家一致性熵的类不平衡时间序列域自适应系统，包括：随机增强模块，用于对源域/目标域数据进行多种不同类型的随机增强，其中所述源域数据为有标签的时间序列数据，所述目标域数据为无标签的时间序列数据；特征提取模块，用于对增强后的源域/目标域数据进行特征提取；多专家委员会模块，包括多个专家分类子模块，用于对经所述特征提取模块处理后的源域/目标域数据进行分类预测。
-
-
-
-
-
-
-
-
-
Search Results
321
records
(took 0.036 seconds)
