-
公开(公告)号：CN118885907A
公开(公告)日：2024-11-01
申请号：CN202410900776.2
申请日：2024-07-05
Applicant: 成都信息工程大学
IPC: G06F18/2415 , A61B5/372 , A61B5/369 , A61B5/18 , A61B5/00 , G06F18/15 , G06F18/213 , G06F18/2321 , G06F18/25 , G06F18/27 , G06N3/043 , G06N3/0464 , G06N3/045 , G06N5/048 , G06N3/048
Abstract: 本发明公开了基于深度多特征TSK模糊系统的疲劳驾驶检测方法，涉及安全驾驶技术领域，包括：S1、采集驾驶员的脑电信号，并进行数据模糊化处理，得到模糊集合；S2、使用全局模糊模块对模糊集合进行特征提取，分别得到时间特征、空间特征以及频域特征；S3、将时间特征、空间特征以及频域特征通过线性层降维后进行拼接，得到拼接后的特征；S4、根据拼接后的特征，使用TSK模糊系统计算驾驶员的疲劳水平，并基于驾驶员的疲劳水平，完成疲劳驾驶检测，本方法使用模糊系统对模糊数据进行计算，可灵活适应不同的驾驶场景或任务。
-
公开(公告)号：CN118626940A
公开(公告)日：2024-09-10
申请号：CN202411106056.5
申请日：2024-08-13
Applicant: 成都信息工程大学
IPC: G06F18/241 , G06F18/25 , G06N3/0464 , A61B5/00 , A61B5/374 , A61B5/1455
Abstract: 本发明公开了一种基于自适应时空卷积注意力网络的双模态信号融合方法，属于大脑多模态信号分类的技术领域，其包括获取处理后的脑电信号；对处理后的脑电信号进行两次二维卷积操作和滑动窗口处理，得到多个窄时间序列；提取多个窄时间序列中的时间特征，并基于多层感知机分类层，得到EEG数据时间分支的脑认知任务的分类结果；采用等距方位角投影将血红蛋白浓度转化为三维空间张量，并引入深度空间卷积和空间注意机制提取三维空间张量中的关键空间信息；最后采用决策融合策略融合并行双分支的结果，最终得到目标脑认知任务的分类结果。本发明有效满足了脑认知多任务识别的需要，并增强了网络泛化性。
-
公开(公告)号：CN110163333B
公开(公告)日：2020-06-09
申请号：CN201810021291.0
申请日：2018-01-10
Applicant: 成都信息工程大学
IPC: G06N3/04
Abstract: 本发明涉及一种卷积神经网络的并行优化方法，其包括：用winograd算法f(2x2,3x3)进行卷积神经网络的卷积核运算，以降低时间复杂度并减少乘法运算次数；对不存在循环数据依赖的for循环结构部分，使用OpenMP开辟多个线程进行运算；对模式相同的数据运算部分进行向量化处理，使其能够实现一次指令多次运算。采用本发明的方法改进的卷积神经网络程序能够大幅度提高并行的效率、减少运算的复杂度，从根本上降低运算开销，降低程序的运行时间。
-
公开(公告)号：CN108132872B
公开(公告)日：2020-04-03
申请号：CN201810021292.5
申请日：2018-01-10
Applicant: 成都信息工程大学
Abstract: 本发明涉及一种基于并行超算网格云平台的GRAPES系统优化方法，其包括：S1)载入测试数据集并运行系统，分别进行系统级测试、通信级测试和函数级测试，其包括：S1.1)系统级测试；S1.2)通信级测试；S1.3)函数级测试：对调用的函数进行监控，获取函数的运行特征。S2)根据导出的系统特征文件进行测试结果分析，其包括：S2.1)系统测试结果分析；S2.2)MPI通信级测试结果分析；S2.3)函数级测试结果分析。S3)根据分析结果进行优化处理，优化处理包括：向量化、负载均衡、使用库函数替代GRAPES_GFS中的函数。本发明解决了Grapes在并行超算网格平台上的优化问题，提高了系统运行效率。
-
公开(公告)号：CN110162736A
公开(公告)日：2019-08-23
申请号：CN201810021260.5
申请日：2018-01-10
Applicant: 成都信息工程大学
Abstract: 本发明公开了一种基于消去树的大型稀疏对称线性方程组并行处理方法，其包括以下步骤：步骤1：对A矩阵进行LU分解；步骤2：进行前推回代，计算Ly＝b，求出y，然后Ux＝y，求出x；采用基于消去树的双重任务划分法并行前推回代；步骤3：进行X数组重组，其包括：重组X数组，使得单个线程计算所需的数据位于内存中连续的空间；步骤4：进行循环合并，将除法运算与X数组重组等循环合并入前推回代过程，减小循环迭代开销与OpenMP线程创建开销。本发明通过基于消去树的双重任务划分法进行并行计算，充分利用了多核计算资源，显著提高了大型稀疏矩阵前推回代速度。
-
Patent Agency Ranking
公开(公告)号：CN107424154A
公开(公告)日：2017-12-01
申请号：CN201710267501.X
申请日：2017-04-21
Applicant: 成都信息工程大学
Abstract: 本发明涉及一种基于动态分配的分水岭图像分割并行方法，将图像平均分成k个基础子图，并将基础子图动态分配给k个线程同时处理，并让先处理完基础子图的线程分担任务较重的线程的任务；然后对基础子图进行分水岭分割，通过排序和浸没对像素点进行处理；再通过改进灰度准则对过分割的基础子图进行后处理；最后采用层叠拼接的方法对基础子图进行并行拼接。本发明的方法通过将基础子图动态分配给多个线程同时进行处理，提高了算法的效率，采用改进灰度准则，具有一定的噪声抑制作用，增强了算法的鲁棒性，最后采用层叠拼接基础子图，进一步的提高了算法效率。
-
公开(公告)号：CN119989192A
公开(公告)日：2025-05-13
申请号：CN202510028543.2
申请日：2025-01-08
Applicant: 成都信息工程大学
IPC: G06F18/2431 , G06F18/10 , G06F18/15 , G06F18/2131 , G06F18/213 , G06F18/23213 , G06F18/21 , G06N3/045 , G06N3/042 , G06N3/0464 , G06N3/0455 , G06N3/08
Abstract: 本申请公开一种基于自适应升阶学习策略的分类识别方法、装置、计算设备及存储介质，其方法包括：获取不同被试个体在不同认知状态下的多个数据集，并通过对每个数据集进行预处理和特征提取，得到每个数据集中每个被试个体的包含微分熵和皮尔逊系数的图结构；利用动态簇中心策略和所述每个数据集中每个被试个体的包含微分熵和皮尔逊系数的图结构，得到每个数据集中每个被试个体的最优子图；利用双图驱动交互自适应升阶网络和所述每个数据集中每个被试个体的最优子图，获得各阶图隐式表征；构建解码器，通过将所述各阶图隐式表征输入至所述解码器中，得到分类识别结果。
-
公开(公告)号：CN118366133A
公开(公告)日：2024-07-19
申请号：CN202410492874.7
申请日：2024-04-23
Applicant: 成都信息工程大学
IPC: G06V20/59 , G06V10/764 , G06V10/80 , G06V10/82 , G06V10/774
Abstract: 本发明公开了一种基于多尺度网络的疲劳驾驶检测方法，包括：S1、采集原始EEG数据，并对其进行预处理；S2、构建基于多尺度网络的疲劳驾驶检测模型，并利用预处理后的EEG数据对其训练；S3、将待检测EEG数据预处理，并输入至完成训练和测试的疲劳驾驶检测模型中，获得疲劳驾驶检测结果。本发明方法相较于现有方法，在分类准确率和跨被试泛化能力方面表现更为优越，具有较高的鲁棒性和稳定性。
-
公开(公告)号：CN117765187B
公开(公告)日：2024-04-26
申请号：CN202410196740.0
申请日：2024-02-22
Applicant: 成都信息工程大学
Abstract: 本发明公开了基于多模态深度估计引导的单目隐神经的建图方法，采用模糊深度感知模块的条件隐式最大似然估计技术生成深度多模态分布先验，提高存在非不透明介质时的场景重建精度，引入空间雕刻损失实现多视图深度估计的有效融合，获得全局一致的场景表征，引入表面法线损失，加强局部几何一致性约束，优化场景表示的同时使得系统在仅RGB输入的条件下，也具备精确的位姿跟踪精度和鲁棒性，解决了现有技术中因形状辐射歧义导致的全局表面重建不一致性，受限于物体空间位置遮挡与传感器测量精度导致建图不完整，定位效果不理想的问题。
-
公开(公告)号：CN107424154B
公开(公告)日：2020-04-03
申请号：CN201710267501.X
申请日：2017-04-21
Applicant: 成都信息工程大学
Abstract: 本发明涉及一种基于动态分配的分水岭图像分割并行方法，将图像平均分成k个基础子图，并将基础子图动态分配给k个线程同时处理，并让先处理完基础子图的线程分担任务较重的线程的任务；然后对基础子图进行分水岭分割，通过排序和浸没对像素点进行处理；再通过改进灰度准则对过分割的基础子图进行后处理；最后采用层叠拼接的方法对基础子图进行并行拼接。本发明的方法通过将基础子图动态分配给多个线程同时进行处理，提高了算法的效率，采用改进灰度准则，具有一定的噪声抑制作用，增强了算法的鲁棒性，最后采用层叠拼接基础子图，进一步的提高了算法效率。
-
-
-
-
-
-
-
-
-
Search Results
36
records
(took 0.026 seconds)
