检索历史 清除

【中文期刊】 李明爱 徐裕超  《北京生物医学工程》 2024年43卷6期 575-583页 ISTIC

【摘要】 目的 基于深度学习的运动想像脑机接口技术在智能康复领域具有很好的发展前景.然而,运动想像脑电信号(motor imagery-electroencephalogram,MI-EEG)是一种非平稳信号,其数据分布和特征空间会随着康复进程的推进...

【关键词】 脑电信号； 运动想像； 增量学习；

【中文期刊】 张子豪 杨媛媛  《中国医疗器械杂志》 2024年48卷4期 355-360页 MEDLINEISTIC

【摘要】 针对传统肺结节检测模型无法随新数据增加而动态优化更新的问题,提出了一种新的肺结节检测模型——任务增量元学习模型(TIMLM).该模型由内外2个循环构成.内循环设置了增量学习正则化更新约束,而外循环通过元更新策略对新旧知识进行采样并学习一组适...

【关键词】 肺结节； 元学习； 增量学习；

【中文期刊】 田圆圆 金衍瑞  等 《上海交通大学学报（英文版）》 2024年29卷1期 120-130页

【摘要】 The objective of this study is to construct a multi-department symptom-based automatic diagnosis model.However,it is dif...

【关键词】 knowledge graph； disease diagnosis； incremental learning；

【中文期刊】 路松峰 屠向阳  等 《华中科技大学学报（自然科学版）》 2023年51卷10期 12-18页

【摘要】 针对工厂端数据量不均衡、新增数据样本多和联邦学习中通信成本较高的问题,提出一种基于云、边、端架构的分层联邦增量学习算法.首先将行业联合模型下发到设备端,训练得到本地模型,将本地模型上传到边缘端进行融合,经多次迭代后,上传到云端加权融合行业联...

【关键词】 工业设备； 联邦学习； 增量学习；

【中文期刊】 黄一笛  《现代科学仪器》 2023年40卷4期 195-201页

【摘要】 为实现对医院财务信息的更新与共享,提出基于联邦增量学习的信息局域共享方法.首先,由粒子优化算法以寻优的方式,设臵支持向量机参数,基于改进后的支持向量机建立新增财务信息分类模型;然后,基于联邦增量学习设计财务信息更新方法,自动修正更新医院财务...

【关键词】 联邦增量学习； 医院财务； 信息局域共享；

【中文期刊】 张启忠 席旭刚  等 《中国生物医学工程学报》 2013年32卷3期 257-265页 ISTICPKUCSCDCA

【摘要】 基于表面肌电信号的肢体动作模式识别是假手仿生控制的基础.为提高动作模式识别率,从肌电信号的产生机理出发,选取分别表征肌电信号形态特征——细节复杂度和整体自似性的近似熵指标和分维数指标,作为模式识别的特征向量；同时提出一种具有增量学习能力的K...

【关键词】 肌电信号； 肌电假肢； KNN模型增量学习算法；

【中文期刊】 梁怀新 郝连旺  等 《高技术通讯》 2018年28卷1期 39-51页

【摘要】 提出了一种基于增量学习和最小绝对值收缩和选择算子(Lasso)特征选择融合的数据可视化模式识别方法.该方法首先对归一化数据进行一级Lasso筛选特征降维,之后对连续数据进行基于Gini指数的粒化,再送入增量模式学习系统进行增量学习,针对维数...

【关键词】 增量学习； 最小绝对值收缩和选择算子(Lasso)； 属性偏序结构图；

【中文期刊】 陈德华 殷苏娜  等 《计算机研究与发展》 2017年54卷12期 2687-2697页

【摘要】 知识图谱(knowledge graph)链接预测可以解决知识图谱中缺失信息的发现和还原,是目前知识图谱领域的研究热点.传统的知识图谱链接预测方法大多面向静态的数据,并不适用于具有动态变化特性的时序知识图谱.时序知识图谱广泛存在于不同领域中...

【关键词】 时序知识图谱； 知识图谱链接预测； 转换模型TransR；

【中文期刊】 佘青山 陈希豪  等 《航天医学与医学工程》 2015年28卷4期 259-264页 MEDLINEISTICCA

【摘要】 目的 研究一种对多任务脑电信号进行快速识别的自适应分类算法,提高脑-机接口(brain-computer interface,BCI)系统的实用性.方法 将孪生支持向量机(twin support vector machine,TSVM)作...

【关键词】 自适应； 孪生支持向量机； 增量学习；

【外文期刊】 Rafe, V. ; Hosseini, M. ; 等 《Journal of Medical Imaging and Health Informatics》 2015年5卷3期 533-538页

【关键词】 Breast Cancer; Gaussian Process Classification; Gaussian Process Regression;