“张立泽清”申请（专利权）人搜索_中国专利权人_发明人_技术持有人_科研专家_钻瓜专利网

钻瓜专利网为您找到相关结果3个，建议您升级VIP下载更多相关专利

[发明专利]基于Antlr4的大数据特征提取匹配方法-CN202211473564.8在审
发明人：姬新苗;尹述峰;高翔;张立泽清 -专利权人：电信科学技术第十研究所有限公司
申请日： 2022-11-22 - 公布日： 2023-04-14 - 主分类号： G06F40/253 文献下载
摘要：本发明提供了一种基于Antlr4的大数据特征提取匹配方法。首先使用Flink Stream API从实时Kafka流中读取多源异构的业务数据，进行预处理；然后，构造一个ANTLRInputStream流，分别调用使用Antlr4工具转换后的词法分析器LogicLexer、语法分析器LogicParser进行解析，生成语法树，再以访问者模式去遍历生成的语法树并返回相应的值，完成对输入数据的特征提取匹配。本发明基于大数据平台，使用Antlr4语法分析器完成对海量数据高效且准确的特征提取匹配，能够满足大数据对数据处理的要求。
基于 antlr4 数据特征提取匹配方法

[发明专利]一种基于深度残差神经网络的语音识别方法-CN201810638786.8有效
发明人：齐勇;张立泽清;刘浩哲;雷凯;行习铭;赵智健;张文天;王妮 -专利权人：陕西科技大学
申请日： 2018-06-20 - 公布日： 2020-09-29 - 主分类号： G10L15/06 文献下载
摘要：本发明公开了一种基于深度残差神经网络的语音识别方法，具体按照构建语音库，得到n+1组声音信号组；随机将n+1组声音信号组分为n组训练组和1组测试组；利用n组训练组训练深度残差神经网络，得到训练好的深度残差神经网络；将测试组的语音数据输入至训练好的深度残差神经网络中进行测试；若语音识别准确度大幅度下降，则调整残差神经网络的权重和阈值，重新进行残差神经网络的训练，训练后再次进行测试，如此循环，直至语音识别准确度不降低，则使用当前残差神经网络进行语音识别的步骤。本发明方法，防止了各种马鞍情况和收敛速度过慢的出现，防止了过拟合现象的发生，从而保证了整个网络的高效快速准确的运行，语音识别准确率更高。
一种基于深度神经网络语音识别方法

[发明专利]基于深度学习的钢琴单键音识别方法-CN201711472065.6在审
发明人：齐勇;刘浩哲;张立泽清;赵智健;雷凯;来浩东;王妮;陈坤 -专利权人：陕西科技大学
申请日： 2017-12-29 - 公布日： 2018-06-29 - 主分类号： G06N3/04 文献下载
摘要：本发明公开了一种基于深度学习的钢琴单键音识别方法，步骤1，对钢琴88个单键音信号进行采集，获得一组具有88个单键音信号的样本数据，共采集n+1组，对每组的每个数据进行类别标号，然后通过信号合成系统生成得到时域信号，将时域信号进行傅里叶变换成频域信号，再将频域信号进行正则化处理，得到1组实验样本和n组训练样本；步骤2，将n组训练样本的数据放进神经网络模型中进行训练；步骤3，将1组实验样本数据的参数传入到训练完成的神经网络中，神经网络对该组的每个数据的参数进行拟合，获取神经网络所判断出的该组的类别，将类别与其标记的类别标号进行一一比对，得到识别率。解决了现有技术中存在的靠人耳识别误差大的问题。
单键神经网络钢琴类别标号时域信号实验样本训练样本采集神经网络模型信号合成系统成频域信号傅里叶变换正则化处理频域信号人耳识别样本数据识别率比对拟合学习