摘要
本发明涉及人工智能技术领域,公开了一种人工智能辅助的自适应病床控制系统及方法,该方法包括:对多模态传感器采集的原始生理数据进行降噪和归一化预处理,得到标准化多模态数据;进行时间序列融合和降维,得到低维融合特征;通过多分支卷积神经网络进行特征提取,得到泛化特征表示;通过带有注意力机制的长短时记忆网络模型预测病人的最佳姿势需求,得到最佳姿势需求预测结果;通过包含优先体验回放机制的双时间尺度强化学习网络,生成分层病床调节策略;执行实时病床调节,输出优化的病床控制指令,本发明能够综合利用多模态传感数据,具备自适应学习能力,并能实现精确控制的智能病床,提升了智能病床的性能和应用效果。
技术关键词
人工智能辅助
融合特征
输出特征
病床控制系统
强化学习网络
注意力机制
PID控制器
图像特征向量
模态传感器
多模态
前馈神经网络
姿势
序列
数据
策略
模型预测控制器
加速度
系统为您推荐了相关专利信息
遥感图像语义分割
编码器
全局特征提取
局部特征提取
解码器
时序特征
特征提取模块
融合特征
特征金字塔网络
编码
感知特征
车道线生成方法
融合特征
高频特征
车道特征
单目视觉里程计方法
网络
Sigmoid函数
池化特征
语义特征