-
公开(公告)号：CN115643170A
公开(公告)日：2023-01-24
申请号：CN202211132809.0
申请日：2022-09-15
申请人： 山东省计算中心(国家超级计算济南中心) , 齐鲁工业大学
IPC分类号： H04L41/0823 , H04L41/14 , H04L41/142
摘要： 本发明公开了一种网络抖动优化方法和系统，涉及网络优化领域。该方法包括：对数据平面中实时应用数据的网络拓扑数据、设备参数数据、路由策略数据和网络流量数据进行组合搭配，将搭配后的实时应用数据输入训练后的预设模型进行网络抖动预测，获得网络抖动数值，根据所述网络抖动数值，执行预设优化算法调整所述数据平面的配置参数，获得优化网络抖动后的实时应用数据，通过预设机器模型对网络抖动进行预测不占用带宽、能够实时得到抖动数据、并且预测准确度高，从而能够更好的对网络抖动进行优化。
-
公开(公告)号：CN110755069B
公开(公告)日：2020-10-16
申请号：CN201911027439.2
申请日：2019-10-25
申请人： 山东省计算中心(国家超级计算济南中心)
IPC分类号： A61B5/0452
摘要： 一种跳跃突变噪声的动态心电信号基线漂移校正方法，通过准确检测心电信号中包含的跳跃突变区域，并分段单独处理，可以改善传统滤波方法处理该类区域时基线提取不准确导致的心电信号变形问题。适用于各种含有基线漂移的心电信号的基线漂移校正处理，尤其是可穿戴式的动态心电信号。得到的基线漂移校正信号的波形明显优于其他方法。
-
公开(公告)号：CN109620210B
公开(公告)日：2019-10-25
申请号：CN201910080223.6
申请日：2019-01-28
申请人： 山东科技大学 , 山东省计算中心(国家超级计算济南中心)
IPC分类号： A61B5/0402 , A61B5/00
摘要： 一种基于自编码模式的CNN与GRU结合的心电信号分类方法，通过提取出原始信号中最具有代表性的特征，运用CNN+GRU进行特征提取，节省了空间，节省了很多训练空间，其中采用的GRU（门控循环单元）一方面解决了由于RNN训练时出现的梯度消失和梯度爆炸的问题，另一方面它比LSTM少一个门，更易于计算，能够提高训练效率，GRU优点在于当训练样本少时，可以使用防止过拟合，当训练样本多时，也可以节省很多的训练时间，能够提高网络的学习效率和心电信号识别的精度。
-
公开(公告)号：CN110263684A
公开(公告)日：2019-09-20
申请号：CN201910489830.8
申请日：2019-06-06
申请人： 山东省计算中心(国家超级计算济南中心)
摘要： 一种基于轻量级神经网络的心电图分类方法，通过单导联心电图数据和轻量级神经网络模型实现心律失常自动分类的方法。首先，肢体II导联心电信号蕴含足够的信息；其次，使用卷积核大小为1的卷积层和全局平均池化层压缩特征维度；最后使用流线型的深度可分离卷积快速提取特征。利用单导联数据集和轻量级神经网络模型可以在保证模型准确率的基础上大幅度提高模型运算速度。
-
公开(公告)号：CN113989586B
公开(公告)日：2024-07-26
申请号：CN202111245372.7
申请日：2021-10-26
申请人： 山东省人工智能研究院 , 齐鲁工业大学
IPC分类号： G06V10/774 , G06V40/16 , G06V20/40 , G06V10/82 , G06N3/0442 , G06N3/0464 , G06N3/08
摘要： 一种基于人脸几何运动特征的真假视频检测方法，通过用人脸特征关键点的几何运动来代替脸部的物理运动，然后将经过提取几何运动差异后的不同部位的运动频率特征放进LSTM中来对视频的真假做出判定。该方法是在以往只关注帧层面检测方法的基础上做出的改进，能够让网络模型关注到视频帧之间的相互关联性，更能捕捉视频内部的细节信息。可以有效增加视频真假检测方法的泛化性，提升检测的精度。
-
公开(公告)号：CN111513679B
公开(公告)日：2021-06-01
申请号：CN202010360012.0
申请日：2020-04-29
申请人： 山东省人工智能研究院
IPC分类号： A61B5/318
摘要： 一种基于形态成分分析及稀疏表示的心电噪声去除方法，通过基于不同成分分析及稀疏表示原理的ECG信号修复技术进行说明，此方法不基于傅里叶变换产生的振幅及频谱。它将信号分解成具有不同特性成分，其中一成分是由多个同时连续振动的信号组成，称作为高共振分量。另一成分是由没有特定状态和持续时间的瞬态冲击信号组成，称作为低共振分量。通过基于形态成分分析及稀疏表示的心电噪声去除方法，包括信号形态成分分析，稀疏表示和群稀疏阈值处理。有效去同频带噪声的干扰。
-
公开(公告)号：CN115358270A
公开(公告)日：2022-11-18
申请号：CN202210996094.7
申请日：2022-08-19
申请人： 山东省人工智能研究院 , 齐鲁工业大学
摘要： 一种基于多任务MTEF‑NET的心电分类方法，通过设置两个任务来构建多任务神经网络，利用多任务的联合学习方式，并行提高每一个任务的性能，进而提高整个心电信号分类的准确率。通过给不同的任务分配不同的权重比例，使模型具有平衡数据样本差异的能力，能够解决数据不平衡问题。建立的MTEF‑NET网络模型具有复杂网络的量化调整能力，通过对网络深度，宽度和输入图片分辨率的综合调整，使神经网络只需要较少的网络参数，减轻了模型性的复杂度，同时也能够提高分类的准确率。通过构建CBAM‑MBCov模块，能够解决心电信号转换成二维图像之后所丢失的通道和空间特征消失的问题。
-
公开(公告)号：CN114764575A
公开(公告)日：2022-07-19
申请号：CN202210376944.3
申请日：2022-04-11
申请人： 山东省人工智能研究院 , 齐鲁工业大学
摘要： 一种基于深度学习和时序注意力机制的多模态数据分类方法，先利用PC‑TBG‑ECG和PC‑TBG‑PCG模型分别实现了心电信号和心音信号的特征提取，然后采用XGBoost集成分类算法对提取出来的特征进行特征选择并分类。在增加运算效率的同时，加入了正则化，有效防止过拟合。本发明适合不同模态数据的分类检测，可从多种角度对信号进行分析，进而提高分类的准确率。
-
公开(公告)号：CN113095238B
公开(公告)日：2021-12-28
申请号：CN202110408665.6
申请日：2021-04-15
申请人： 山东省人工智能研究院
摘要： 一种基于联邦学习的个性化心电信号监测方法，将由云端训练的初始化模型拆分为基础特征提取网络和个性化分类网络两部分，仅采用联邦策略训练由多个终端上传的基础特征提取网络。由于每个终端仅上传部分模型参数，可以防止恶意人员通过整个模型参数恢复原始数据。通过联邦策略进行模型训练相比被动顺序参数更新具有更高的通信效率。为了更好的学习个体的个性化特征，提高分类模型的准确性，多个终端通过协同训练基础特征提取网络充分学习基础特征，个性化分类网络只保留在终端用于个性化特征的提取。当新个体加入时，基础特征提取网络可以直接用作新个体的基础特征提取部分，并且只需要少量个体数据就可以获得个性化的心电信号监测模型。
-
公开(公告)号：CN112842348B
公开(公告)日：2021-09-14
申请号：CN202110170731.0
申请日：2021-02-07
申请人： 山东省人工智能研究院
摘要： 一种基于特征提取与深度学习的心电信号自动分类方法，将心电信号由一维数据转化为二维数据，利用图像处理与深度学习相结合，提高了心电信号房颤分类的准确性。将心电信号形成多种变换图像，分别从中提取出有益的深度学习特征，辅以提取的心电信号的特征，从而达到精准判别、精准分类的效果，在融合特征5折分类测试中，准确度能达到99%以上。二维图像的采集可分别通过时域信号加强变换、短时傅里叶变换（STFT）、S变换、格拉姆角变换等时域与时频信号处理算法实现。将不同图像采集方法得到的二维图像在深度学习网络中都取得了理想的效果，融合了手工提取特征后模型的抗干扰能力与分类准确率进一步增强。
-
-
-
-
-
-
-
-
-
搜索结果
49 条记录 (耗时 0.097 秒)
