公开(公告)号：CN114510956B

公开(公告)日：2024-11-22

申请号：CN202011170973.1

申请日：2020-10-28

Applicant: 中国科学院沈阳自动化研究所

Inventor： 唐凤珍 ,  于海斌

IPC: G06F18/241 ,  G06F18/10 ,  G06F18/214 ,  G06N3/084

Abstract: 本发明涉及一种基于黎曼空间量化的多类别运动想象脑电信号识别方法，将不同运动想象任务诱发的脑电信号转换为空间协方差矩阵；将这种矩阵看作黎曼对称空间中的点，采用对数欧式距离度量点间距离；基于该距离构建黎曼空间量化方法与度量学习方法，在黎曼空间中为每一类别脑电信号样本学习若干带标签的原型，并学习样本与原型间的距离度量函数；采用赢者全拿策略，将与待识别脑电信号最近的原型的标签识别为其类别。本发明所述方法采用空间协方差作为输入特征，避免复杂的脑电信号预处理计算；是天然的多类别脑电信号识别方法，避免传统采用一对一等策略将二分类方法扩展到多分类所需要的复杂操作，有效地提升了多类别运动想象脑电信号的识别能力。

公开(公告)号：CN114722850A

公开(公告)日：2022-07-08

申请号：CN202011526846.0

申请日：2020-12-22

Applicant: 中国科学院沈阳自动化研究所

Inventor： 唐凤珍 ,  冯海峰

IPC: G06K9/00 ,  G06K9/62 ,  G06N3/08

Abstract: 本发明提供了一种基于概率黎曼学习空间量化的运动想象脑电信号识别方法，将脑电信号用空间协方差矩阵来表示，将空间协方差矩阵看作黎曼空间中的点，采用黎曼仿射不变距离计算点间的距离；利用该黎曼距离建立数据的类高斯混合模型，以此构建概率学习黎曼空间量化方法，采用贝叶斯理论为各类别脑电信号学习若干个带标签的原型，并学习类高斯混合函数中的方差参数；采用最大后验概率的方法进行最终的识别，将待识别样本的最大后验概率所对应的标签预测为该样本的类别。本发明采用空间协方差矩阵作为输入特征，避免复杂的脑电信号预处理计算；不需要大量的学习样本并且能够产生概率输出，有助于建立性能稳定的脑机接口系统。

公开(公告)号：CN114510956A

公开(公告)日：2022-05-17

申请号：CN202011170973.1

申请日：2020-10-28

Applicant: 中国科学院沈阳自动化研究所

Inventor： 唐凤珍 ,  于海斌

IPC: G06K9/00 ,  G06K9/62 ,  G06N3/08

Abstract: 本发明涉及一种基于黎曼空间量化的多类别运动想象脑电信号识别方法，将不同运动想象任务诱发的脑电信号转换为空间协方差矩阵；将这种矩阵看作黎曼对称空间中的点，采用对数欧式距离度量点间距离；基于该距离构建黎曼空间量化方法与度量学习方法，在黎曼空间中为每一类别脑电信号样本学习若干带标签的原型，并学习样本与原型间的距离度量函数；采用赢者全拿策略，将与待识别脑电信号最近的原型的标签识别为其类别。本发明所述方法采用空间协方差作为输入特征，避免复杂的脑电信号预处理计算；是天然的多类别脑电信号识别方法，避免传统采用一对一等策略将二分类方法扩展到多分类所需要的复杂操作，有效地提升了多类别运动想象脑电信号的识别能力。

公开(公告)号：CN119124166A

公开(公告)日：2024-12-13

申请号：CN202411364791.6

申请日：2024-09-29

Applicant: 中国科学院沈阳自动化研究所

Inventor： 唐凤珍 ,  张志慧 ,  李一平 ,  封锡盛

IPC: G01C21/20 ,  G01C21/00 ,  G06N3/06 ,  G06N3/0985 ,  G06N3/04 ,  G06F17/16

Abstract: 本发明涉及一种基于栅格细胞的无视觉线索类脑SLAM方法，借鉴哺乳动物大脑内嗅皮层中栅格细胞的神经机制，仅利用机器人自运动信息来跟踪编码机器人的位置，构建机器人与其所交互环境的认知地图。首先构建多层级的栅格细胞连续吸引子网络模块，将移动机器人的自运动信息通过认知空间变换模块编码为栅格细胞模块的认知表征；然后利用这些栅格细胞模块的认知表征构建在无视觉线索下的导航环境中的认知地图。本发明提供了一种无视觉线索下鲁棒、高效的类脑SLAM导航方法，可用于在卫星拒止和无视觉线索环境下的移动机器人智能自主定位和导航，对于扩展移动机器人的应用场景具有重要意义。

公开(公告)号：CN109447309B

公开(公告)日：2024-07-26

申请号：CN201811029046.0

申请日：2018-09-05

Applicant: 中国电力科学研究院有限公司 ,  国家电网有限公司 ,  中国科学院沈阳自动化研究所

Inventor： 张立春 ,  刘彬 ,  唐凤珍 ,  程永锋 ,  姬昆鹏 ,  费香泽 ,  汉京善 ,  斯白露 ,  司佳钧 ,  杨加伦 ,  展雪萍 ,  赵彬 ,  李鹏 ,  李丹煜

IPC: G06Q10/0637 ,  G06Q10/04 ,  G06Q50/06 ,  G06F18/214 ,  G06F18/2411

Abstract: 一种舞动数据的挖掘方法及系统，包括：基于输电线路舞动的潜在影响因子对舞动信息记录表进行筛选获得第一类影响因子；基于所述第一类影响因子对应的相关系数和预先构建的支持向量机模型，对所述第一类影响因子中的各影响因子进行排序，从排序后的第一类影响因子中选择满足预设条件的影响因子作为第二类影响因子；将舞动信息记录表中所述第二类影响因子对应的输电线路相关数据作为舞动分析的舞动数据。本发明可以提取出与舞动发生率密切相关的影响因子，提高舞动预测预警的准确率。

公开(公告)号：CN118296864A

公开(公告)日：2024-07-05

申请号：CN202310008768.2

申请日：2023-01-04

Applicant: 中国科学院沈阳自动化研究所

Inventor： 吴晨晨 ,  张入铭 ,  唐凤珍

IPC: G06F30/23 ,  G06F30/27 ,  G06F18/2413 ,  G06N3/006 ,  G06N20/00 ,  G06F113/26 ,  G06F119/10

Abstract: 本发明属于复合材料结构与机器学习交互技术领域，具体说是基于机器学习的双稳态复合材料柱壳结构振频的优化方法，包括以下步骤：对柱壳结构随机生成的纤维铺设角度数据，并判断数据是否满足双稳态结构，对数据进行分类；将数据进行建模和训练，得到判断双稳态的分类器；建立有限元模型，并将满足双稳态条件的数据输入到有限元模型中，获取到不同纤维铺设角度所对应的振动频率输入到支持向量回归机中，得到快速计算模型；将分类器与快速计算模型作为粒子群优化算法的目标函数，纤维铺设角度作为设计变量，获取满足双稳态条件下的最大振动频率所对应的纤维铺设角度。本发明适用于双稳态复合材料振动频率的优化，也适用于复合材料结构性能的优化。