专利交易市场

基于人体骨架关键点和长短期记忆人工神经网络的人体摔倒识别方法，包括：获取人体不同行为的视频数据；利用OpenPose对视频进行处理，将视频转换成一帧一帧的PNG图像，最后得到视频中每一帧图像中人体骨架关节点数据；在提取出人体骨架关键点后，利用特征向量的均值和标准差对特征向量进行归一化，以降低数据的方差；对数据集中的每个视频构造每个子序列数据，获得的每个子序列数据都有一个行为标签，并将所有子序列数据共同构成样本集；建立长短期记忆人工神经网络；将样本集划分为模型训练集和模型验证集，利用模型训练集训练长短期记忆人工神经网络模型，并在验证集上进行模型验证；利用训练好的长短期记忆人工神经网络模型识别摔倒获得识别结果。

本发明提出了一种基于人工神经网络的在线社交网络信息传播与舆情演化正向构建方法和系统，包括如下步骤：S1，获取在线社交网络信息，形成社交网络信息数据库，通过信息传播神经元模型进行社交网络信息的建立以及传递；S2，将建立和传递之后的社交网络信息通过信息传播神经网络模型所设定的参数进行传递输出；S3，通过信息传播神经网络模型传递的社交网络信息通过正向传播过程进行信息演化，从而构建社交网络信息发展趋势。

本发明公开了一种基于人工神经网络的罗兰天地波时延估计方法，具体包括设计人工神经网络结构，采集样本并进行预处理，采用预处理后的样本对人工神经网络进行训练，得到训练完成的人工神经网络，将待估计时延的罗兰天地波信号代入训练好的人工神经网络即可输出得到其罗兰天地波时延。本发明估计罗兰天地波时延不仅精度较高，尤其在低信噪比环境中也可以正常使用。

一种基于人工神经网络的医疗设备定位系统，包括数据采集模块：实时采集定位区域内部署的N个传感器节点的RSSI值；构建信息向量矩阵模块，将院区、楼栋、病房、病人与医疗设备的关联度信息数据，以及传感器节点对应的RSSI值以及时间信息组成历史信息向量矩阵；训练模块：根据历史信息向量矩阵对人工神经网络进行训练；识别模块，即将实时信息向量矩阵输入训练好的人工神经网络进行识别；位置输出模块。本发明创造性的人工神经网络采用改进的损失函数，将历史数据的时间因素加入到权值调整过程中，且将院区、楼栋、病房、病人与医疗设备的关联度信息数据加入到判断医疗设备的位置当中，大大增大了医疗设备定位准确性。

本发明涉及一种基于人工神经网络的Q‑Learning行人疏散仿真方法及系统，该方法包括：根据初始化相关参数将待疏散的行人分为若干群组，并在每一群组内部选取一名引领者，剩余待疏散的行人为跟随者；在每一群组内部，引领者优先学习选取基于神经网络的Q‑Learning算法对疏散路径进行全局规划得到的最优路径，跟随者根据社会力模型计算其与群组内部、群组间及环境的合力避障跟随引领者；直至待疏散的行人全部疏散。本发明结合强化学习和人工神经网络的优点进行全局路径规划，弥补单纯的强化学习的不足，底层配合社会力模型指导运动，能够实现人群的快速有效的寻路和较为真实地疏散。

本发明公开了一种利用人工神经网络反演北极融池分布的方法，首先，收集高分辨率融池影像和同时期的中分辨率成像光谱仪MOD09GA，并重投影为正弦投影；然后，构建与MOD09GA一致的网格；计算每个网格内的融池比例、海冰比例和开放水的比例，再删除MOD09GA中被云覆盖的像素；获得的数据和相对应的逐日地表反射率，MOD09GA 1到7波段反射率形成数据集；最后，构建融池模型，将匹配好的MOD09GA 1到7波段反射率作为输入集，相应的海冰比例、融池比例、开放水比例作为输出样本集训练人工神经网络，找到最优解。本发明弥补了现场观测和走航观测在时间和空间的缺陷，具有快速和简单的特点，提升了我国极地遥感监测水平，且能更好的反应北极真实的融池状况。