CN106530649B - 一种健康使用计算机的预警方法及系统 - Google Patents
一种健康使用计算机的预警方法及系统 Download PDFInfo
- Publication number
- CN106530649B CN106530649B CN201610950193.6A CN201610950193A CN106530649B CN 106530649 B CN106530649 B CN 106530649B CN 201610950193 A CN201610950193 A CN 201610950193A CN 106530649 B CN106530649 B CN 106530649B
- Authority
- CN
- China
- Prior art keywords
- early warning
- computer
- environmental information
- module
- model
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Expired - Fee Related
Links
- 238000000034 method Methods 0.000 title claims abstract description 33
- 230000007613 environmental effect Effects 0.000 claims abstract description 53
- 238000003062 neural network model Methods 0.000 claims abstract description 32
- 238000012549 training Methods 0.000 claims abstract description 15
- CURLTUGMZLYLDI-UHFFFAOYSA-N Carbon dioxide Chemical compound O=C=O CURLTUGMZLYLDI-UHFFFAOYSA-N 0.000 claims description 24
- 230000036541 health Effects 0.000 claims description 13
- 229910002092 carbon dioxide Inorganic materials 0.000 claims description 12
- 239000001569 carbon dioxide Substances 0.000 claims description 12
- QVGXLLKOCUKJST-UHFFFAOYSA-N atomic oxygen Chemical compound [O] QVGXLLKOCUKJST-UHFFFAOYSA-N 0.000 claims description 11
- 229910052760 oxygen Inorganic materials 0.000 claims description 11
- 239000001301 oxygen Substances 0.000 claims description 11
- 238000004891 communication Methods 0.000 claims description 6
- 230000003750 conditioning effect Effects 0.000 claims description 2
- 208000027418 Wounds and injury Diseases 0.000 abstract description 4
- 230000006378 damage Effects 0.000 abstract description 4
- 208000014674 injury Diseases 0.000 abstract description 4
- 239000010410 layer Substances 0.000 description 10
- 230000006870 function Effects 0.000 description 7
- 239000011159 matrix material Substances 0.000 description 6
- 238000010586 diagram Methods 0.000 description 5
- 230000008569 process Effects 0.000 description 4
- 238000005070 sampling Methods 0.000 description 3
- 239000002356 single layer Substances 0.000 description 3
- 206010021143 Hypoxia Diseases 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 238000009423 ventilation Methods 0.000 description 2
- 206010002660 Anoxia Diseases 0.000 description 1
- 241000976983 Anoxia Species 0.000 description 1
- 206010019233 Headaches Diseases 0.000 description 1
- 230000004913 activation Effects 0.000 description 1
- 230000002411 adverse Effects 0.000 description 1
- 230000007953 anoxia Effects 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 201000010099 disease Diseases 0.000 description 1
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 1
- 208000002173 dizziness Diseases 0.000 description 1
- 231100000869 headache Toxicity 0.000 description 1
- 230000006698 induction Effects 0.000 description 1
- 230000001939 inductive effect Effects 0.000 description 1
- 206010025482 malaise Diseases 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 210000002569 neuron Anatomy 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 208000024891 symptom Diseases 0.000 description 1
Classifications
-
- G—PHYSICS
- G08—SIGNALLING
- G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
- G08B31/00—Predictive alarm systems characterised by extrapolation or other computation using updated historic data
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Computing Systems (AREA)
- Theoretical Computer Science (AREA)
- Biophysics (AREA)
- General Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Artificial Intelligence (AREA)
- Biomedical Technology (AREA)
- Business, Economics & Management (AREA)
- Computational Linguistics (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- Health & Medical Sciences (AREA)
- Molecular Biology (AREA)
- General Engineering & Computer Science (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Emergency Management (AREA)
- Emergency Alarm Devices (AREA)
- Alarm Systems (AREA)
Abstract
本发明提供了一种健康使用计算机的预警方法及系统,其中,预警方法包括:建立一神经网络模型,将采集的计算机周围的多组环境信息及各组环境信息的采集时刻作为输入,对应的预警结果作为输出,训练得到神经网络模型中各网络层间的连接权值,将所述连接权值代入所述神经网络模型中,得到预警模型;采集计算机周围的环境信息并记录环境信息的采集时刻,将同一采集时刻采集的环境信息及该采集时刻输入至所述预警模型中,得到预警结果,所述预警结果为预警时产生预警提示。本申请能够根据计算机所处外界环境适时地、合理地提醒计算机使用者休息,能够避免连续长时间使用计算机给计算机使用者带来不必要的伤害。
Description
技术领域
本申请属于人体健康状况检测领域,特别涉及一种健康使用计算机的预警方法及系统。
背景技术
计算机(电脑)已经成为人们日常生活、学习、工作和娱乐的必备工具。长时间使用计算机会对人体健康产生不良影响,如出现眼睛发涩、头痛、头晕、肢体酸痛以及缺氧引起的身体各种不适症状。
人们使用计算机的环境,对人体健康的影响也很大。计算机周边温度与湿度太高或太低,以及由于房间里人多或密闭不通风造成的缺氧、二氧化碳浓度高等,都会加剧计算机使用者的身体不适,甚至留下疾病隐患。
现有技术中,人们通常是根据个人意愿任意使用计算机,在计算机前一坐就是几个小时,或根据医学健康建议,使用计算机每隔1.5小时左右,休息10至15分钟。但现有的这些计算机使用时间的确定方法比较随意,没有科学依据,不能在保证人体健康的前提下,适时地、合理地安排计算机的使用时间。
发明内容
本申请提供一种健康使用计算机的预警模型建立方法及装置、预警方法及系统,用于解决现有技术中计算机使用时间的确定方法比较随意,没有科学依据,不能在保证人体健康的前提下,适时地、合理地安排计算机的使用时间。
为了解决上述技术问题,本申请一实施例提供一种健康使用计算机的预警模型建立方法,包括:
采集计算机周围的多组环境信息并记录各组环境信息的采集时刻,确定各组环境信息对应的预警结果,其中,所述预警结果包括预警及不预警;
建立一神经网络模型,将各组环境信息及各组环境信息的采集时刻作为输入,对应的预警结果作为输出,训练得到神经网络模型中各网络层间的连接权值,将所述连接权值代入所述神经网络模型中,得到预警模型。
本申请另一实施例提供一种健康使用计算机的预警方法,包括:
利用上述实施例预警模型建立方法得到健康使用计算机的预警模型;
采集计算机周围的环境信息并记录环境信息的采集时刻,将同一采集时刻采集的环境信息及该采集时刻输入至所述预警模型中,得到预警结果,所述预警结果为预警时产生预警提示。
本申请又一实施例提供一种健康使用计算机的预警模型的建立装置,包括:
取样模块,用于采集计算机周围的多组环境信息并记录各组环境信息的采集时刻,确定各组环境信息对应的预警结果,其中,所述预警结果包括预警及不预警;
建模模块,用于建立一神经网络模型,将各组环境信息及各组环境信息的采集时刻作为输入,对应的预警结果作为输出,训练得到神经网络模型中各网络层间的连接权值,将所述连接权值代入所述神经网络模型中,得到预警模型。
本申请再一实施例提供一种健康使用计算机的预警系统,包括:预警模型建立模块、采集模块、预警判断模块及预警模块;
所述预警模型建立模块用于利用上一实施例提供的装置得到健康使用计算机的预警模型;
所述采集模块用于采集计算机周围的环境信息并记录环境信息的采集时刻;
所述预警判断模块用于将同一采集时刻采集的环境信息及该采集时刻输入至所述预警模型中,得到预警结果,所述预警结果为预警时控制预警模块产生预警提示。
本申请能够根据计算机所处外界环境适时地、合理地提醒计算机使用者休息,能够避免连续长时间使用计算机给计算机使用者带来不必要的伤害。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为本申请实施例的健康使用计算机的预警模型建立方法流程图;
图2为本申请实施例的健康使用计算机的预警方法流程图;
图3为本申请实施例的健康使用计算机的预警模型建立装置结构图;
图4为本申请实施例的健康使用计算机的预警系统结构图;
图5为本申请另一实施例的健康使用计算机的预警系统结构图;
图6为本申请具体实施例的多输入/单输出的单层神经网络模型。
具体实施方式
为了使本发明的技术特点及效果更加明显,下面结合附图对本发明的技术方案做进一步说明,本发明也可有其他不同的具体实例来加以说明或实施,任何本领域技术人员在权利要求范围内做的等同变换均属于本发明的保护范畴。
在本说明书的描述中,参考术语“一个实施例”、“一个具体实施例”、“一些实施例”、“例如”、“示例”、“具体示例”或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构或者特点包含于本申请的至少一个实施例或示例中。在本说明书中,对上述术语的示意性表述不一定指的是相同的实施例或示例。而且,描述的具体特征、结构或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。各实施例中涉及的步骤顺序用于示意性说明本申请的实施,其中的步骤顺序不作限定,可根据需要作适当调整。
关于本文中所使用的“包含”、“包括”、“具有”、“含有”等等,均为开放性的用语,即意指包含但不限于。
如图1所示,图1为本申请实施例的健康使用计算机的预警模型建立方法流程图。本实施例能够建立环境信息与预警结果的模型,以便利用该模型根据计算机所处外界环境适时地、合理地提醒计算机使用者休息。具体的,包括:
步骤101:采集计算机周围的多组环境信息并记录各组环境信息的采集时刻,确定各组环境信息对应的预警结果。
其中,所述预警结果包括预警及不预警,该预警结果用数学形式描述,如为1表示预警,为0表示不预警,为表示预警,表示不预警。
各组环境信息包括:温度信息、湿度信息、氧量浓度信息、二氧化碳浓度信息,可由温度传感器、湿度传感器、氧量传感器及二氧化碳传感器测得。采集的环境信息包含每类传感器参数的合法允许范围。
步骤102:建立一神经网络模型,将各组环境信息及各组环境信息的采集时刻作为输入,对应的预警结果作为输出,训练得到神经网络模型中各网络层间的连接权值,将所述连接权值代入所述神经网络模型中,得到预警模型。
神经网络模型输入中加入采集时刻,能够统一环境信息的获取时间。
上述神经网络模型可以为多输入/单输出的单层神经网络模型(如图6所示),也可以为多输入/双输出的两层神经网络模型,还可以为其他多输入/单输出多层神经网络模型或其他多输入/双输出的多层神经网络模型。
神经网络模型隐层个数可以没有、也可为一个,也可为多个,本申请对隐层个数不做具体限定。同样,每个隐层中节点个数可根据需求进行设定,本申请对此不做限定。
神经网络模型各层间的记录函数可为阈值型阶跃函数,也可为Sigmoid型阶跃函数。
如图2所示,图2为本申请实施例的健康使用计算机的预警方法流程图。预警方法包括:
利用上述实施例所述的步骤101及步骤102得到预警模型(该步骤为预先处理过程);及
步骤103:采集计算机周围的环境信息并记录环境信息的采集时刻,将同一采集时刻采集的环境信息及该采集时刻输入至所述预警模型中,得到预警结果,所述预警结果为预警时产生预警提示(该步骤为实时过程)。
实施时,预警模型可内置于计算机中,由采集设备采集计算机周围的环境信息和记录环境信息的采集时刻,将这些信息发送给计算机,由计算机将同一采集时刻采集的环境信息及该采集时刻输入至所述预警模型中,得到预警结果,当预警结果为预警时,控制计算机的输出设备产生预警提示,如在计算机显示屏出现预警提示信息,和/或,计算机扬声器发出预警声响,提醒计算机使用者安排中间休息。
本实施例能够根据计算机所处外界环境适时地、合理地提醒计算机使用者休息,能够避免连续长时间使用计算机给计算机使用者带来不必要的伤害。
如图3所示,图3为本申请实施例的健康使用计算机的预警模型建立装置结构图。该装置可以通过逻辑电路实现运行于智能终端,例如手机、平板电脑等设备中,或者以功能模块的方式由软件实现各部件的功能,运行于所述智能终端上。具体的,该装置包括:
取样模块301,用于采集计算机周围的多组环境信息并记录各组环境信息的采集时刻,确定各组环境信息对应的预警结果,其中,所述预警结果包括预警及不预警。
建模模块302,用于建立一神经网络模型,将各组环境信息及各组环境信息的采集时刻作为输入,对应的预警结果作为输出,训练得到神经网络模型中各网络层间的连接权值,将所述连接权值代入所述神经网络模型中,得到预警模型。
如图4所示,图4为本申请实施例的健康使用计算机的预警系统结构图。包括:预警模型建立模块401、采集模块402、预警判断模块403及预警模块404;
所述预警模型建立模块401用于利用上一实施例所述的装置得到健康使用计算机的预警模型。
所述采集模块402用于采集计算机周围的环境信息并记录环境信息的采集时刻。
所述预警判断模块403用于将同一采集时刻采集的环境信息及该采集时刻输入至所述预警模型中,得到预警结果,所述预警结果为预警时控制预警模块404产生预警提示。
具体的,所述采集模块包括:温湿度传感器、氧量传感器及二氧化碳传感器。温湿度传感器用于采集计算机周边的温度及湿度,生成温度与湿度信息。氧量传感器为电化学传感器,用于采集计算机周边空气中的氧浓度信息。二氧化碳传感器也为电化学传感器,用于采集计算机周边空气中的二氧化碳浓度信息。
为了解决氧量传感器及二氧化碳传感器测量信号微弱的问题,本实施例还包括电化学传感器调理电路,用于放大电化学传感器的测量信号。
为了避免在无人操作计算机的情况下仍产生预警提示,还包括人体感应模块,用于感应是否有人在使用计算机,当感应到有人在使用计算机时,启动所述预警判断模块工作。
如图5所示,所述预警模型建立模块及所述预警判断模块设置于计算机中,所述预警模块为计算机的输出设备(如显示屏和/或扬声器)。
所述预警系统还包括通信模块,用于将环境信息及其对应的采集时刻发送至所述计算机,以使所述计算机根据同一采集时刻采集的环境信息及该采集时刻得到预警结果,在所述预警结果为预警时,控制计算机的输出设备产生预警提示。
具体的,所述通信模块包括USB模块、WiFi模块,以使采集设备通过有线或无线的方式连接所述计算机。
通信模块与采集模块一起构成一采集设备,该采集设备包括一壳体,用于容置通信模块及采集模块,壳体上述设置有通气栅,用于使计算机周边的空气与采集设备内部的采集模块充分接触,提高采集信息的精度。
为了更清楚的说明本申请预警模型的建立过程,下面以一具体实施例进行说明。
(1)初始阶段:采集多组环境信息,建立训练矩阵每列代表一组环境信息,对应训练矩阵,确定输出矩阵Y的期望矩阵(即f(p)预警结果矩阵)。
如图6所示,本实施例选择的为5输入1输出的单层神经网络模型。输入态x1~x5分别为采样时刻、温度值、湿度值、氧量浓度值及二氧化碳值;中间态为连接权和求和单元,若中间态的输出记为p,则其可表示为其中,ωi为对应感测数据的连接权值,为未知量,θ为偏置(阈值),为未知量;输出态y可表示为y=f(p),y=f(·)为神经元输出的转换函数(激活函数),本实施例选取阈值型阶跃函数,即当y=1时,表示预警,当y=0时,表示不预警。
(2)训练阶段:设定连接权的初始值,利用初始值训练整个网络,通过设定迭代次数或者最小误差控制模型求解连接权值及偏置θ。
(3)完成阶段:通过自主学习得到网络各层间的连接权值及偏置θ,将训练得到的连接权值及偏置θ带入至神经网络模型中,得到预警模型。
其他类型的神经网络训练方式类似,此处不再赘述。
上述整个训练过程可离线完成,训练结束后,即可充分利用得到预警模型完成对是否预警的合法性判定。
本申请能够融合计算机周围环境信息,综合地、适时地、合理地确定是否需要产生预警,以提示计算机使用者休息,能够避免连续长时间使用计算机给计算机使用者带来不必要的伤害。
以上所述的具体实施例,对本申请的目的、技术方案和有益效果进行了进一步详细说明,所应理解的是,以上所述仅为本申请的具体实施例而已,并不用于限定本申请的保护范围,凡在本申请的精神和原则之内,所做的任何修改、等同替换、改进等,均应包含在本申请的保护范围之内。
Claims (8)
1.一种健康使用计算机的预警方法,其特征在于,包括:
采集计算机周围的多组环境信息并记录各组环境信息的采集时刻,确定各组环境信息对应的预警结果,其中,所述预警结果包括预警及不预警;
建立一神经网络模型,将各组环境信息及各组环境信息的采集时刻作为输入,对应的预警结果作为输出,训练得到神经网络模型中各网络层间的连接权值,将所述连接权值代入所述神经网络模型中,得到预警模型;
采集计算机周围的环境信息并记录环境信息的采集时刻,将同一采集时刻采集的环境信息及该采集时刻输入至所述预警模型中,得到预警结果,所述预警结果为预警时产生预警提示。
2.如权利要求1所述的健康使用计算机的预警方法,其特征在于,各组环境信息包括:温度信息、湿度信息、氧量浓度信息、二氧化碳浓度信息。
3.一种健康使用计算机的预警系统,其特征在于,包括:预警模型建立模块、采集模块、预警判断模块及预警模块;
所述预警模型建立模块用于通过如下方法得到健康使用计算机的预警模型:采集计算机周围的多组环境信息并记录各组环境信息的采集时刻,确定各组环境信息对应的预警结果,其中,所述预警结果包括预警及不预警;建立一神经网络模型,将各组环境信息及各组环境信息的采集时刻作为输入,对应的预警结果作为输出,训练得到神经网络模型中各网络层间的连接权值,将所述连接权值代入所述神经网络模型中,得到预警模型;
所述采集模块用于采集计算机周围的环境信息并记录环境信息的采集时刻;
所述预警判断模块用于将同一采集时刻采集的环境信息及该采集时刻输入至所述预警模型中,得到预警结果,所述预警结果为预警时控制预警模块产生预警提示。
4.如权利要求3所述的健康使用计算机的预警系统,其特征在于,所述采集模块包括:温湿度传感器、氧量传感器及二氧化碳传感器。
5.如权利要求4所述的健康使用计算机的预警系统,其特征在于,所述采集模块还包括电化学传感器调理电路,连接所述氧量传感器及二氧化碳传感器,用于对所述氧量传感器及二氧化碳传感器采集的信息做放大处理。
6.如权利要求3所述的健康使用计算机的预警系统,其特征在于,还包括人体感应模块,用于感应是否有人在使用计算机,当感应到有人在使用计算机时,启动所述预警判断模块工作。
7.如权利要求3所述的健康使用计算机的预警系统,其特征在于,所述预警模型建立模块及所述预警判断模块设置于计算机中,所述预警模块为计算机的输出设备;
所述预警系统还包括通信模块,用于将环境信息及其对应的采集时刻发送至所述计算机,以使所述计算机根据同一采集时刻采集的环境信息及该采集时刻得到预警结果,在所述预警结果为预警时,控制计算机的输出设备产生预警提示。
8.如权利要求7所述的健康使用计算机的预警系统,其特征在于,所述通信模块包括USB模块、WiFi模块。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610950193.6A CN106530649B (zh) | 2016-10-25 | 2016-10-25 | 一种健康使用计算机的预警方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610950193.6A CN106530649B (zh) | 2016-10-25 | 2016-10-25 | 一种健康使用计算机的预警方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN106530649A CN106530649A (zh) | 2017-03-22 |
CN106530649B true CN106530649B (zh) | 2019-12-06 |
Family
ID=58325234
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610950193.6A Expired - Fee Related CN106530649B (zh) | 2016-10-25 | 2016-10-25 | 一种健康使用计算机的预警方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106530649B (zh) |
Family Cites Families (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7522963B2 (en) * | 2004-08-27 | 2009-04-21 | Alstom Technology Ltd | Optimized air pollution control |
CN100370117C (zh) * | 2006-08-21 | 2008-02-20 | 上海发电设备成套设计研究院 | 一种汽轮机转子等效应力安全裕度系数在线监控方法 |
CN102342826A (zh) * | 2010-08-05 | 2012-02-08 | 盛乐信息技术(上海)有限公司 | 用于监测眼睛运动的摄像头 |
CN101968649B (zh) * | 2010-10-18 | 2012-05-30 | 淮阴工学院 | 网络型生猪养殖环境控制系统与智能型环境因子控制方法 |
CN102563808B (zh) * | 2012-01-11 | 2014-02-26 | 华南理工大学 | 一种室内环境舒适度的自动控制方法 |
CN102680903B (zh) * | 2012-05-11 | 2015-01-28 | 齐鲁工业大学 | 便携式蓄电池状态检测系统的检测方法 |
TWI498858B (zh) * | 2013-03-29 | 2015-09-01 | Wistron Corp | 自動偵測疲勞的電腦系統及方法 |
CN103197659B (zh) * | 2013-04-22 | 2015-12-09 | 上海交通大学 | 一种自适应的动态优化环境质量的控制方法 |
CN103325205B (zh) * | 2013-07-01 | 2015-11-18 | 江南大学 | 基于径向基神经网络的室内火灾预测方法及系统 |
-
2016
- 2016-10-25 CN CN201610950193.6A patent/CN106530649B/zh not_active Expired - Fee Related
Also Published As
Publication number | Publication date |
---|---|
CN106530649A (zh) | 2017-03-22 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108926338B (zh) | 基于深度学习的心率预测方法及装置 | |
CN105877766B (zh) | 一种基于多生理信号融合的精神状态检测系统及方法 | |
CN205680247U (zh) | 细胞/卷积神经网络智能视觉驾驶疲劳监测加速器 | |
CN107643509B (zh) | 定位方法、定位系统及终端设备 | |
KR102166011B1 (ko) | 터치입력을 이용한 인지장애 판단 시스템 및 방법 | |
CN101583313B (zh) | 觉醒状态判断模型生成装置、觉醒状态判断装置以及警告装置 | |
CN103793042B (zh) | 一种人体运动信息交互及显示的系统和方法 | |
CN102715889B (zh) | 一种脑力负荷检测方法 | |
CN115064246B (zh) | 一种基于多模态信息融合的抑郁症评估系统及设备 | |
CN107924484A (zh) | 用于在环境背景下模拟类人控制行为的系统和基于计算机的方法 | |
Gaggioli et al. | A system for automatic detection of momentary stress in naturalistic settings | |
CN115586834A (zh) | 一种智能心肺复苏培训系统 | |
CN105615839B (zh) | 一种人体佩戴装置及其检测方法 | |
CN110378736A (zh) | 通过人脸表情识别评价游客对自然资源体验满意度的方法 | |
KR20180119913A (ko) | 생체정보를 이용한 감성 검출 장치 및 감성 검출 방법을 실행하기 위한 프로그램을 기록한 컴퓨터로 판독 가능한 기록매체 | |
JP6281164B2 (ja) | 遊び行動認識システム、遊び行動認識プログラム、遊び行動認識方法および遊び行動認識装置 | |
CN110478593A (zh) | 基于vr技术的脑电注意力训练系统 | |
CN106530649B (zh) | 一种健康使用计算机的预警方法及系统 | |
Santos et al. | Context inference for mobile applications in the UPCASE project | |
WO2020118555A1 (zh) | 一种网络模型数据存取方法、装置及电子设备 | |
Chen et al. | Improve the Accuracy of Fall Detection Based on Artificial Intelligence Algorithm. | |
KR101878359B1 (ko) | 정보기술을 이용한 다중지능 검사 장치 및 방법 | |
CN109820523A (zh) | 心理测试仪控制方法、装置及计算机可读存储介质 | |
Deng et al. | A machine Learning-Based monitoring system for attention and stress detection for children with autism spectrum disorders | |
CN205334117U (zh) | 一种智能手环控制系统 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20191206 |