[发明专利]基于情景信号类前额叶网络的信息处理方法、系统、装置在审
| 申请号： | 201910058284.2 | 申请日： | 2019-01-22 |
| 公开（公告）号： | CN109784287A | 公开（公告）日： | 2019-05-21 |
| 发明（设计）人： | 曾冠雄;陈阳;余山 | 申请（专利权）人： | 中国科学院自动化研究所 |
| 主分类号： | G06K9/00 | 分类号： | G06K9/00;G06K9/62 |
| 代理公司： | 北京市恒有知识产权代理事务所(普通合伙) 11576 | 代理人： | 郭文浩;蔡文浩 |
| 地址： | 100190 *** | 国省代码： | 北京;11 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明属于模式识别及类脑机器学习领域，具体涉及了一种基于情景信号类前额叶网络的信息处理方法、系统、装置，旨在解决复杂情况下即复杂多任务情况下系统结构复杂、灵活性差、训练样本需求量大的问题。本发明方法包括：选择对应特征向量提取器进行特征提取；将信息特征向量与情景信号集中每一个情景信号进行维度匹配；维度匹配后的情景特征向量输入特征向量分类器，获得分类信息。本发明方法利用类似于前额叶的模块，实现面向情境信息的多任务学习，在上下文情景信息不能事先确定的情况下，可以逐步学习依赖于上下文情境信息的映射，处理后的数据可应用于多任务学习或更高要求的连续多任务学习。 | ||
| 搜索关键词： | 任务学习 前额叶 情景 情境信息 信息处理 维度 匹配 机器学习领域 输入特征向量 特征向量提取 信息特征向量 分类信息 模式识别 情景信息 特征提取 特征向量 系统结构 信号集中 训练样本 分类器 映射 需求量 网络 应用 学习 | ||
【主权项】：
1.一种基于情景信号类前额叶网络的信息处理方法，其特征在于，包括：步骤S10，基于获取信息选择特征向量提取器进行特征提取，得到信息特征向量；步骤S20，将所述信息特征向量输入类前额叶网络，与所输入的情景信号集中每一个情景信号进行维度匹配，获得情景特征向量，构成情景特征向量集；步骤S30，将情景特征向量集中各特征向量通过预先构建的特征向量分类器分类获得各特征向量分类信息，构成分类信息集；所述特征向量分类器为情景特征向量和分类信息的映射网络。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于中国科学院自动化研究所，未经中国科学院自动化研究所许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201910058284.2/，转载请声明来源钻瓜专利网。
