本发明公开了一种基于仿生自适应忆阻细胞神经网络的图像增强方法，融合了模拟人类视觉机制的自适应三高斯模型、细胞神经网络和纳米忆阻器,在典型自适应三高斯模型的基础上,提出了便于硬件实现的线性化自适应三高斯模型,利用高斯核函数和细胞神经网络的图像处理特征，克服了固定图像增强模板和纯数学算法的局限性，大大增强图像增强优势,其增强效果与人眼增强效果更为接近；同时，基于忆阻器的硬件设计,有利于大规模电路集成,便于实现硬件加速和芯片化的端侧实时图像处理。
📄 2019109791307
📂 G06T5_00
👤 海口明智投资有限公司
📅 2019-10-15
本发明提供了一种基于可分离度和相异度的电子鼻信号特征融合方法，属于电子鼻信号与信息处理技术领域，该方法步骤一对电子鼻信号进行特征提取，步骤二进行特征选择，步骤三特征加权融合，本发明在降维去冗余的同时，最大限度的保留了分类信息，大大提高了分类识别率，从而提高了电子鼻的分类识别性能。
📄 2016105132542
📂 G06K9_62
👤 海口明智投资有限公司
📅 2016-07-04
本发明公开了一种基于忆阻交叉阵列与Q学习的机器人路径规划系统，一方面将Q学习中距离目标点的回报由离散点的形式改为用函数表达，另一方面，当机器人距障碍物一定范围时让其以直线趋近目标点，并且本发明提出了具有连续输入输出、动态可变电阻、纳米尺寸的忆阻交叉阵列模型，详细推导了改变忆阻值所需要的电压以及所需的施加时间。最后经实验分析，证明了方案的有效性。本发明提出了利用忆阻交叉阵列来实现机器人路径规划系统的新方案，将为忆阻器以及机器人路径规划更为广阔的应用提供新的思路。
📄 2017103666713
📂 G05D1_02
👤 海口明智投资有限公司
📅 2017-05-23
本发明公开了一种基于CMOS反相器和忆阻器构成的全加电路，包括四个CMOS反相器，其中：第一反相器和四个忆阻器构成一个异或门电路，第四反相器和另外四个忆阻器构成一个同或门电路，第二反相器和第三反相器分别接收初始进位信号VCin，第二反相器的上端与第一反相器的输入端连接，第二反相器的下端与第四反相器的输入端连接，由第二反相器输出进位信号VCout，异或门电路的输出端连接在第三反相器的上端，同或门电路的输出端连接在第三反相器的下端，由第三反相器输出和电压VSum。其效果是：该电路使逻辑电路融合了计算存储功能，大幅减少了逻辑操作步骤，精简了电路所需元件，使电路成本进一步降低，提高电路的集成度。
📄 2018103573145
📂 H03K19_017
👤 海口明智投资有限公司
📅 2018-04-20
本发明涉及一种基于流形学习的跨域子空间学习电子鼻漂移补偿方法，其特征在于，将气体数字信号送入处理器，处理器利用LME‑CDSL数学模型进行气体样本分析，获得气体样本数据；处理器将气体样本数据送入分类器进行气体分类，获得气体分类结果。其有益效果是：具有更好的信息保存性能。不仅抑制了数据漂移，还同时维护了源域的流形和标签信息以及两个域的知识信息；局部线性流形学习完成高维数据的紧凑表示，能够保留非漂移样本的局部特征，提高模型的判别能力；保证了LME‑CDSL模型的鲁棒性和识别性能；本发明通过特征值分解实现特征子空间学习，计算成本极短，易于实际应用。
📄 2021109234404
📂 G01N27_00
👤 海口明智投资有限公司
📅 2021-08-12
本发明涉及电子鼻技术领域，具体公开了一种基于忆阻细胞神经网络的电子鼻气体分类方法，在硬件层面上使用了多类嗅觉传感器阵列来获取样本数据，然后再使用具有自适应约束条件的忆阻细胞神经网络(M‑CeNN)来提取数据特征，并在此基础上，采用结合增量式量化(INQ)方案的启发式优化算法来降低硬件层面计算和存储的资源损耗并尽可能提升软件层面的分类器精度和实时性，从而达到在一定程度上提升M‑CeNN模板参数的硬件友好性并保证模板精度的效果，处理精度高且应用门槛低，可应用于边缘计算，能够满足日常生活甚至是工业级强度的应用和精度需求。
📄 2020112392428
📂 G01N33_00
👤 海口明智投资有限公司
📅 2020-11-09
本发明涉及一种基于领域自适应卷积神经网络的电子鼻漂移补偿方法，其特征在于，包括获取源域样本和目标域样本数据，按照传感器维度将分别输入k个分支，通过三个卷积路径的四个卷积块连接至四个分类器，进行特征投影后，通过基于最大均值差异(MMD)得到最终输出，本发明有益效果是：1、无需使用目标域数据建模，更加实用；2、在决策层实现漂移补偿，无需额外计算；3、网络结构可定制，具有较强灵活性；4、使用特殊设计的损失函数，能够更好的训练网络。
📄 2021111208111
📂 G06F18_24
👤 海口明智投资有限公司
📅 2021-09-24
本发明公开了一种基于迁移样本的跨域迁移电子鼻漂移抑制方法，将源域、目标数据投影到子空间，不同域数据之间集进行边缘最大均值差异做最小化处理、条件最大均值差异做最小化处理、可分性最大化、判别信息做最大化处理后，得到转换基P和对应投影源域数据集和投影目标域数据集；根据投影源域数据集、投影目标域数据集，计算适应极限学习机的未知输出权重，得到最终的适应极限学习机；并将未知标签的目标域数据进行漂移抑制测试。有益效果：在抑制漂移的同时，保存了源域和目标域的判别信息。最小化边缘分布差异和条件分布差异，提高了模型的健壮性和分类精确度。在特征层和决策层实现知识迁移，充分利用迁移样本。
📄 202010653407X
📂 G06K9_62
👤 海口明智投资有限公司
📅 2020-07-08
柿子坊 · 知识产权运营
柿子坊知识产权运营平台