-
公开(公告)号：CN118990542B
公开(公告)日：2025-03-04
申请号：CN202411223299.7
申请日：2024-09-03
Applicant: 重庆理工大学
Abstract: 本发明涉及儿童坐姿矫正设备技术领域，尤其涉及一种镜像式儿童坐姿监测机器人。包括固定壳，固定壳顶端的内部固定有固定体，固定体一侧底部的内部固定有摄像头，固定壳的底部固定有底座，底座的顶部安装有用于调节重心的角度调节机构，角度调节机构包括平面角度调节旋转电机、支撑台、倾斜角度调节旋转电机、U形架和配重块。本发明提供的一种镜像式儿童坐姿监测机器人，通过固定壳、摄像头、底座、角度调节机构和视觉识别模块的配合，能够让机器人在进行使用时，根据视觉识别模块检测到的儿童坐姿状态，通过角度调节机构中对重心柱的倾斜，让机器人模仿儿童的坐姿，进而让儿童看到后对自己的坐姿进行矫正。
-
公开(公告)号：CN116172582B
公开(公告)日：2024-11-26
申请号：CN202310088533.9
申请日：2023-02-09
Applicant: 重庆理工大学
Abstract: 本发明公开了基于双流特征融合卷积神经网络的肌电信号手势预测系统，涉及人体生理信号解码技术领域。本发明包括手势动作采集模块、肌电信号预处理模块、模型数据准备模块、模型构建模块、训练与测试模块、模型预测模块、电刺激辅助模块；手势动作采集模块主要实现对于手势动作执行过程中肌电信号的采集；肌电信号预处理模块用于肌电信号进行滤波、陷波、降噪等，同时对训练数据进行标签标注；模型数据准备模块用于对数据进行截取、数据归一化以及输入矩阵构建。本发明通过运用手势动作执行期数据来对模型进行训练，使得模型能够基于手势动作执行期数据实现对手势动作的预测，进而更快地输出控制指令，提高了控制效率。
-
公开(公告)号：CN116755547B
公开(公告)日：2024-10-18
申请号：CN202310548124.2
申请日：2023-05-16
Applicant: 重庆理工大学
IPC: G06F3/01 , G06F18/213 , G06N3/0464 , G06N3/08 , G06F18/10 , G06F18/214
Abstract: 本发明涉及人体生理信号解码技术领域，尤其涉及一种基于轻量化卷积神经网络的表面肌电信号手势识别系统。包括肌电信号预处理模块、训练数据准备模块、网络模型构建模块和模型训练与测试模块；肌电信号预处理模块用于对数据集中的原始表面肌电信号进行滤波和降噪处理。本发明提供的一种基于轻量化卷积神经网络的表面肌电信号手势识别系统，通过使用多尺度融合卷积模块用以提取肌电多尺度融合特征，引入多尺度感受野和多尺度融合，使得网络模型可以同时综合考虑不同尺度的下的肌电特征信息，包括局部信息和长跨度信息，并使用通道注意力机制以对特征矩阵的各个通道进行加权，强调高贡献度特征，保证了网络模型所提取特征的质量。
-
公开(公告)号：CN118094317A
公开(公告)日：2024-05-28
申请号：CN202410184880.6
申请日：2024-02-19
Applicant: 重庆理工大学
IPC: G06F18/241 , G06F18/213 , G06N3/0464 , G06N3/084 , A61B5/369 , A61B5/374
Abstract: 本发明公开了一种基于TimesNet和卷积神经网络的运动想象脑电信号分类系统，涉及人体生理信号解码技术领域。本发明包括脑电信号预处理模块，训练数据准备模块、神经网络搭建模块和模型训练与测试模块；脑电信号预处理模块用于对数据集中的原始脑电信号进行滤波处理；训练数据准备模块用于对预处理后的数据划分为训练集、验证集与测试集，进行数据截取、归一化以及输入矩阵的构建；网络模型构建模块用于构建卷积神经网络模型。本发明利用TimesNet模块实现脑电时序信息表征，使得网络模型可以考虑到脑电信号的时序特征信息，并使用通道注意力机制以对特征矩阵进行加权，突出高贡献度特征，提高了对想象运动脑电信号的分类准确率。
-
公开(公告)号：CN117703970A
公开(公告)日：2024-03-15
申请号：CN202410082870.1
申请日：2024-01-19
Applicant: 重庆理工大学
IPC: F16F1/36
Abstract: 本发明公开了一种磁控负刚度调节方法，包括以下步骤：分别设置两个磁流变弹性体单元，两个磁流变弹性体单元之间采用刚性件连接；对刚性件施加垂直于两个磁流变弹性体单元的预压缩力，使得在两个磁流变弹性体单元连线方向分别产生形变并产生预剪切力，同时在垂直于两个磁流变弹性体单元连线方向产生负刚度力；分别在两个磁流变弹性体单元上设置大小相同的可调磁场，通过调控磁场的大小，能够对两个磁流变弹性体产生的负刚度力值进行调控；本发明能够解决当前磁流变弹性体隔振机构刚度值较高且只能进行正向调控，难以进行刚度负向调控，进而难以针对同时存在直接扰动和外部扰动的设备，实现高效隔振与致稳的技术问题。
-
Patent Agency Ranking
公开(公告)号：CN117576430A
公开(公告)日：2024-02-20
申请号：CN202311505626.3
申请日：2023-11-13
Applicant: 重庆理工大学
Abstract: 本发明涉及立体匹配技术领域，尤其涉及一种融合域泛化与特征相似度的立体匹配网络。步骤如下：S1：使用域泛化方法改进立体匹配网络的特征提取模块；S2：引入特征相似性模块,测量左右图像特征的视觉相似程度作为一致性信息输入网络；S3：在代价聚合模块中使用可变形注意力机制。本发明提供的一种融合域泛化与特征相似度的立体匹配网络，通过在特征提取模块引入域泛化方法提升特征鲁棒性,设计特征相似性模块综合图像的视觉和语义信息进行匹配以降低像素误差,以及使用可变形注意力模块增强对复杂区域的处理,有效提升了网络对弱纹理和复杂边缘区域的预测精度,该网络基于2D卷积实现,相比3D卷积更高效。
-
公开(公告)号：CN116755547A
公开(公告)日：2023-09-15
申请号：CN202310548124.2
申请日：2023-05-16
Applicant: 重庆理工大学
IPC: G06F3/01 , G06F18/213 , G06N3/0464 , G06N3/08 , G06F18/10 , G06F18/214
Abstract: 本发明涉及人体生理信号解码技术领域，尤其涉及一种基于轻量化卷积神经网络的表面肌电信号手势识别系统。包括肌电信号预处理模块、训练数据准备模块、网络模型构建模块和模型训练与测试模块；肌电信号预处理模块用于对数据集中的原始表面肌电信号进行滤波和降噪处理。本发明提供的一种基于轻量化卷积神经网络的表面肌电信号手势识别系统，通过使用多尺度融合卷积模块用以提取肌电多尺度融合特征，引入多尺度感受野和多尺度融合，使得网络模型可以同时综合考虑不同尺度的下的肌电特征信息，包括局部信息和长跨度信息，并使用通道注意力机制以对特征矩阵的各个通道进行加权，强调高贡献度特征，保证了网络模型所提取特征的质量。
-
公开(公告)号：CN119132405A
公开(公告)日：2024-12-13
申请号：CN202411259707.4
申请日：2024-09-10
Applicant: 重庆理工大学
IPC: G16B30/00 , G16B40/00 , G16B15/30 , G06N3/0499 , G06N3/08
Abstract: 本发明公开了基于NSGA‑ANN的特征基因筛选方法及ceRNA网络的构建方法，涉及胃癌研究技术领域。本发明利用公共基因表达数据库，运用非支配排序遗传算法和多层感知机结合生物统计方法实现了对胃癌关键相关基因的筛选，并构建了竞争性内源RNA调控网络，发现了包括SPP1、MMP13、ERBB2等在内的12个关键基因以及一条原癌基因调控通路，其中11个基因均会显著影响胃癌患者的预后情况，有潜力作为靶点治疗的目标或进行早期分子诊断的指标。
-
公开(公告)号：CN117969436A
公开(公告)日：2024-05-03
申请号：CN202311816693.7
申请日：2023-12-27
Applicant: 重庆理工大学
IPC: G01N21/33 , G06F30/27 , G06F119/02
Abstract: 本发明涉及人工智能与污染气体监测技术领域，尤其涉及一种监测低浓度NO与SO2的方法。步骤如下：S1：对数据进行采集；S2：构建神经网络模型；S3：对神经网络模型进行训练；S4：对分离出来的光谱信息质量进行评估。本发明提供的一种监测低浓度NO与SO2的方法，分析在200nm～230nm光谱段SO2与NO气体的差分光学密度，并将波段在200nm～230nm处的SO2与NO混合气体的差分光学密度分别进行提取获得单一气体的吸收光谱；然后根据单一差分光学密度进行浓度反演求取出NO与SO2气体的浓度值。
-
公开(公告)号：CN116172582A
公开(公告)日：2023-05-30
申请号：CN202310088533.9
申请日：2023-02-09
Applicant: 重庆理工大学
Abstract: 本发明公开了基于双流特征融合卷积神经网络的肌电信号手势预测系统，涉及人体生理信号解码技术领域。本发明包括手势动作采集模块、肌电信号预处理模块、模型数据准备模块、模型构建模块、训练与测试模块、模型预测模块、电刺激辅助模块；手势动作采集模块主要实现对于手势动作执行过程中肌电信号的采集；肌电信号预处理模块用于肌电信号进行滤波、陷波、降噪等，同时对训练数据进行标签标注；模型数据准备模块用于对数据进行截取、数据归一化以及输入矩阵构建。本发明通过运用手势动作执行期数据来对模型进行训练，使得模型能够基于手势动作执行期数据实现对手势动作的预测，进而更快地输出控制指令，提高了控制效率。
-
-
-
-
-
-
-
-
-
Search Results
17
records
(took 0.035 seconds)
