“谢宗霞”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20个，建议您升级VIP下载更多相关专利

[发明专利]基于迁移学习的提升长尾分布语音总体分类准确度的方法-CN202011532360.8有效
发明人： 谢宗霞;王艳清 -专利权人：天津大学
申请日： 2020-12-22 - 公布日： 2023-04-11 - 主分类号： G06F16/65 文献下载
摘要：本发明公开了一种基于迁移学习的提升长尾分布语音总体分类准确度的方法，首先，通过对呈现长尾分布的数据集进行训练建立由CNN和RNN网络构成的R‑CNN模型，CNN网络用于提取语音特征，RNN网络对的CNN网络提取的语音特征进行时序建模，进一步挖掘语音信息，提取到类间可分特征，用于后续语音分类；然后，对R‑CNN模型进行两次训练，其中：第一次模型训练是将长尾分布的数据用于模型训练，得到初步的模型参数；二次模型训练是将均衡分布的数据用于模型训练，把第一次模型训练得到的CNN网络浅层参数固定，迁移到二次的模型训练中；使用二次训练后的模型进行语音分类预测，从而提升语音分类模型的总体分类效果。
基于迁移学习提升长尾分布语音总体分类准确度方法

[发明专利]一种基于点云数据配准的无人车辅助定位方法-CN201910020386.5有效
发明人： 谢宗霞;王而川 -专利权人：天津大学
申请日： 2019-01-09 - 公布日： 2023-02-03 - 主分类号： G06T7/73 文献下载
摘要：本发明提供一种基于点云数据配准的无人车辅助定位方法，包括步骤：无人车预先在指定室外场景采集全景的点云数据地图，即大规模全局点云数据；无人车行驶过程中，通过激光雷达扫描所在位置的点云数据，即小规模局部点云，并利用点云数据的配准算法，对小规模局部点云和大规模全局点云进行配准，并获取小规模局部点云在大规模全局点云中的配准位置坐标，以及偏转和平移矩阵；最后，借助配准位置坐标以及偏转和平移矩阵，计算出在大规模全局点云地图中，无车人所处的位置；本发明主要利用无人车的激光点云数据，实现当前小规模局部点云和大规模全局点云的配准，从而实现定位。
一种基于数据无人辅助定位方法

[发明专利]融合多尺度级联与时序特征的社交媒体内容热度预测方法-CN202211120976.3在审
发明人： 谢宗霞;蔡宇昊 -专利权人：人民网股份有限公司;天津大学
申请日： 2022-09-15 - 公布日： 2022-12-20 - 主分类号： G06F16/9536 文献下载
摘要：本发明公开了一种融合多尺度级联与时序特征的社交媒体内容热度预测方法，包括：利用社交媒体内容早期传播特征，按照不同大小尺度的时间窗处理分别得到多尺度级联图以及热度趋势序列；应用图卷积神经网络对多尺度级联图序列进行嵌入及利用一维卷积提取多尺度趋势短期动态特征，通过不同的Transformer Encoder提取多尺度级联图和趋势动态特征；利用时间窗选择网络实现多尺度特征融合：网络模型训练完毕，输入要预测的社交媒体的早期多尺度级联图和热度趋势序列，输出未来一段时间内社交媒体内容热度增长预测值。本发明通过有效融合多尺度级联图特征与趋势特征，相比单一尺度的方法有更好的预测效果，能获得全局性更优、泛化性能更好的预测结果。
融合尺度级联时序特征社交媒体内容热度预测方法

[发明专利]基于双分支判别特征神经网络的声音事件检测方法-CN202210490907.5在审
发明人： 谢宗霞;周雨馨 -专利权人：天津大学
申请日： 2022-05-07 - 公布日： 2022-08-09 - 主分类号： G06N3/04 文献下载
摘要：本发明公开了一种基于双分支判别特征神经网络的声音事件检测方法，包括：将包含声音信号的数据集进行特征提取，得到log‑mel频谱图的数据集，并将其分为训练集、测试集和验证集；建立双分支判别特征网络模型，所述的双分支判别特征网络模型包括双分支采样、特征提取、双分支的特征融合和损失融合：将测试集和验证集作为训练后的模型的输入，该模型的输出即为该数据集的声音事件检测的结果，包括该音频所包含的声音事件类别和发生该事件的起始和终止时间。本发明通过双分支判别特征融合的方式获取到尾部类和难区分类别的判别性特征，并在一定程度上均衡了分类器的类别权重，提高了声音事件检测的效果。
基于分支判别特征神经网络声音事件检测方法

[发明专利]基于三分支特征融合神经网络的声音事件检测方法-CN202210490937.6在审
发明人： 谢宗霞;周雨馨 -专利权人：天津大学
申请日： 2022-05-07 - 公布日： 2022-08-09 - 主分类号： G06N3/04 文献下载
摘要：本发明公开了一种基于三分支特征融合神经网络的声音事件检测方法，包括：将包含声音信号的数据集进行特征提取，得到log‑mel频谱图的数据集，并将其分为训练集、测试集和验证集；建立三分支特征融合网络模型，所述的三分支特征融合网络模型包括三分支采样、特征提取、三分支的特征融合和损失融合：将测试集和验证集作为训练后的模型的输入，该模型的输出即为该数据集的声音事件检测的结果，包括该音频所包含的声音事件类别和发生该事件的起始和终止时间。本发明通过三分支融合的方式获取到尾部类和难区分类别的判别性特征，并在一定程度上均衡了分类器的类别权重，提高了声音事件检测的效果。
基于分支特征融合神经网络声音事件检测方法

[发明专利]基于多任务深度学习神经网络的太阳风速度预测方法-CN202111674519.4在审
发明人： 谢宗霞;毛凯舟;孙彦茹 -专利权人：天津大学
申请日： 2021-12-31 - 公布日： 2022-05-13 - 主分类号： G06F30/27 文献下载
摘要：本发明公开了一种基于多任务深度学习神经网络的太阳风速度预测方法，所用的模型包括一个由一维卷积神经网络CNN和一个长短时记忆神经网络LSTM组成的共享模块，一个主LSTM模块以及一个自回归层AR模块。共享模块用于提取多个任务共用的浅层空间和时间特征，主LSTM模块用于单独提取主任务的特性，自回归模块用于以一种线性的方式对神经网络模型进行适当的修正。采用多任务学习机制来实现多步预测，构建模型。在太阳风速度预测领域，引入多任务学习的机制是一种新的尝试。本发明的优点是，联合多个独立的预测任务来同时并行学习，充分利用数据信息，共享公共信息来帮助改进浅层特征提取，并为主要任务设计独立的结构来提高预测性能。
基于任务深度学习神经网络太阳风速度预测方法

[发明专利]基于稳态特征构图的燃气轮机上多种测点时序预测方法-CN202210062290.7在审
发明人： 谢宗霞;陈岩哲 -专利权人：天津大学
申请日： 2022-01-19 - 公布日： 2022-05-06 - 主分类号： G06Q10/04 文献下载
摘要：本发明公开了一种基于稳态特征构图的燃气轮机上多种测点时序预测方法，通过端到端方式提取输入样本的稳态特征并构造关联关系网络，通过稳态损失指导关联关系构图，基于稳态特征构图的建立时空神经网络序列预测模型；采用该时空神经网络序列预测模型提取定工况下系统的稳态特征，使用时空卷积进行序列预测，实现自适应的稳态特征学习，最终利用该预测模型获得燃气轮机多传感器时间序列预测曲线。在时间序列预测中，将序列的瞬时特征引入构图模块中，通过输入序列来进行关联网络的动态构建。与现有技术相比有更好的预测效果，能够提取定工况下系统的稳态特征，以提升时间序列预测的效果以及用于分析关联网络异常来检查系统工作状况。
基于稳态特征构图燃气轮机多种时序预测方法

[发明专利]基于时变特征构图的燃气轮机上多种测点时序预测方法-CN202210062295.X在审
发明人： 谢宗霞;陈岩哲 -专利权人：天津大学
申请日： 2022-01-19 - 公布日： 2022-05-06 - 主分类号： G06K9/62 文献下载
摘要：本发明公开了一种基于时变特征构图的燃气轮机上多种测点时序预测方法，通过端到端方式提取输入样本的时变特征并构造关联关系网络，并使用时空卷积网络进行序列预测，所采用的预测模型包括一个时变关联网络构造模块，一个时空卷积特征融合模块以及一个序列预测输出反馈模块；时变关联网络构造模块用于提取样本中的时变特征信息并构造时变关联网络，时空卷积特征融合模块用于输入和时变关联网络构造模块的输出聚合样本的特征，序列预测输出反馈模块用于实现网络的迭代优化，最终输出燃气轮机多传感器时间序列预测曲线。本发明将数据中隐含的时变信息加入到关系网络构建当中，实现了自适应的时变特征学习，进一步提升了时间序列的预测效果。
基于特征构图燃气轮机多种时序预测方法

[发明专利]基于图神经网络融合文本和时序信息的微博热度预测方法-CN202111470982.7在审
发明人： 谢宗霞;崔树宇;蔡宇昊 -专利权人：天津大学
申请日： 2021-12-03 - 公布日： 2022-04-15 - 主分类号： G06F16/951 文献下载
摘要：本发明公开了一种基于图神经网络融合文本和时序信息的微博热度预测方法，利用滑动窗口数据集划分方法将预处理后的数据按照微博发出的时间进行排序和分割，按照固定的步长按照时间轴将数据集划分拆分为若干个数据子集；构建文本子图和时序子图，后输入至一个无监督的图神经网络模型，使用该模型得到所有的本文子图和时序子图中微博节点的特征表示，将其与微博发出一段时间的热度趋势信息融合，按照微博ID进行数据对齐，最后通过多层感知机对微博整个生命周期的热度进行预测。本发明考虑微博之间的相互影响的同时在一定程度上解决了模型无法对新发出的微博无法预测的问题，在使用时序信息较少的情况下能够迅速对新发出的微博取得较好的预测结果。
基于神经网络融合文本时序信息热度预测方法

[发明专利]基于多视角风速模式挖掘的短期风速预测方法-CN201711001445.1有效
发明人： 谢宗霞;金继民;汪运;胡清华 -专利权人：天津大学
申请日： 2017-10-24 - 公布日： 2022-03-04 - 主分类号： G06Q10/04 文献下载
摘要：本发明公开了一种基于多视角风速模式挖掘的短期风速预测方法方法，包括：采集风电场的风速历史数据，形成历史风速的时间序列；通过互信息法确定时间序列的延迟；根据获得的延迟将风速时间序列转换成为矩阵型数据，获得风速样本；根据风速样本从风速的统计信息、风速变化趋势和风速波动趋势三个视角提取描述风速变化规律的特征信息；对风速样本进行归一化处理，获得归一化后的风速变化的特征信息；基于归一化后的风速变化的特征信息，通过多视角聚类算法对风速样本进行聚类，从而建立具有k个簇集的短期风速预测的模型；计算待预测的风速样本与上述确定的k个簇集之间的欧式距离，利用其中欧式距离最小的簇集所对应的SVR风速预测模型完成风速预测。
基于视角风速模式挖掘短期预测方法

[发明专利]基于图网络的标题和正文结合的文本分类方法-CN202011233244.6有效
发明人： 谢宗霞;袁春宇 -专利权人：天津大学
申请日： 2020-11-06 - 公布日： 2021-11-23 - 主分类号： G06F16/35 文献下载
摘要：本发明公开了一种基于图网络的标题和正文结合的文本分类方法，主要包括：将每篇文档划分为标题文档和正文文档，分别进行数据预处理，获取标题词集合和正文词集合，利用词向量模型获取词向量表示，利用LDA模型获取主题向量，利用HAN模型来获取正文文档特征表示，通过标题、标题词集合、主题三类节点构建异质图，并输入到GAT模型，实现标题和正文特征融合，获得每篇文档特征表示，通过Softmax函数进行文本类别预测。本发明分类方法不仅利用额外信息来增强标题语义稀疏性，而且更好地融合标题和正文特征，体现了标题在文本分类任务中的重要性，提高分类精度，解决了现在新闻文本分类忽视标题重要性，导致分类效率低的问题。
基于网络标题正文结合文本分类方法

[发明专利]基于长尾分布提升语音分类尾部识别准确度的方法-CN202011532378.8在审
发明人： 谢宗霞;王艳清 -专利权人：天津大学
申请日： 2020-12-22 - 公布日： 2021-04-09 - 主分类号： G06F16/65 文献下载
摘要：本发明公开了一种基于长尾分布提升语音分类尾部识别准确度的方法，针对头部类别在反向传播中计算所得的梯度对于尾部类别的梯度是负影响，设计了一均衡损失函数，该均衡损失函数的设计包括：设置阈值因子、计算阈值函数和计算该均衡损失函数。在语音分类模型训练过程中采用该均衡损失函数，采用该均衡损失函数可以将头部类别在反向传播过程中计算所得的梯度对于尾部类别的影响被忽略掉，通过忽略头部类别对于尾部类别的梯度影响，使得分类结果对于头部类别和尾部类别均衡对待，有效解决了传统损失函数应用在长尾分类问题中对于头部类别的偏差问题，从而提升语音分类模型的整体分类效果。
基于长尾分布提升语音分类尾部识别准确度方法

[发明专利]图像数据半自动标注方法-CN201910744623.2有效
发明人：胡清华;杨家安;谢宗霞 -专利权人：天津大学
申请日： 2019-08-13 - 公布日： 2021-01-26 - 主分类号： G06K9/62 文献下载
摘要：本发明提供了一种图像数据半自动标注方法，包括：对未标注的图像进行部分图像级标注；将标注数据放到协同弱监督识别模型中进行训练；对协同弱监督识别模型进行改造，得到强监督改造模型；用强监督改造模型对未标注的图像进行检测，得到检测结果；使用人工标注图像数据训练强监督改造模型。本发明的方法前期使用一定量的弱标签数据，然后后期使用主动学习的方式逐渐改善模型，从而在少的标注量的同时，保证了精度。
图像数据半自动标注方法

[发明专利]用于时间序列预测的高斯嵌入式神经网络模型及建模方法-CN202011139949.1在审
发明人： 谢宗霞;胡慧;王旗龙 -专利权人：天津大学
申请日： 2020-10-22 - 公布日： 2021-01-05 - 主分类号： G06N3/04 文献下载
摘要：本发明公开了一种用于时间序列预测的高斯嵌入式神经网络模型，该模型包括：一个长短时记忆神经网络层，一个高斯嵌入式模块以及一个反馈通路模块。长短时记忆神经网络层用于在系统的每一次迭代中完成单一样本的时序特征建模，高斯嵌入式模块用于样本不确定性信息，反馈通路模块用于实现网络的迭代优化，提高模型的训练效果。本发明中还公开了上述高斯嵌入式神经网络模型的建模方法。本发明中通过端到端方式将可训练的概率分布插入LSTM作为特征表示，在此基础上实现了自适应的统计特征学习，与现有技术相比有更好的预测效果，能获得全局性更优、泛化性能更好的建模结果。
用于时间序列预测嵌入式神经网络模型建模方法

[发明专利]一种多机器人系统中的障碍物检测与规避方法-CN201911102594.6在审
发明人：王子轩;谢宗霞 -专利权人：天津大学
申请日： 2019-11-12 - 公布日： 2020-03-31 - 主分类号： G05D1/02 文献下载
摘要：本发明公开了一种多机器人系统中的障碍物检测与规避方法，每个机器人均具有16个彼此均匀地分开布置在机器人表面的超声波传感器，16个超声波传感器覆盖所在的机器人周围360度的区域，当前机器人沿着其路径行进，首先直接通向目标点，然而，当障碍物或另一个机器人进入该当前机器人传感器覆盖的区域时，该当前机器人基于传感器感知的周围环境的距离和最小阈值距离的值检测其他障碍物，然后，朝拥有其他障碍物或其他机器人的风险很小的方向移动，直到当前机器人到达目的地。本发明适用于不管障碍物是静止的还是动态的，即使是有任何移动物体从当前机器人的后面来，该机器人也会改变自己的方向，从而实现全方位规避障碍物。
一种机器人系统中的障碍物检测规避方法

1
2
下一页»
尾页
共 20 条