“郑桦迪”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]数据防窃取方法和相关产品-CN201910897929.1在审
发明人：胡海波;郑桦迪;叶青青;方成方;时杰 -专利权人：华为技术有限公司
申请日： 2019-09-20 - 公布日： 2020-02-14 - 主分类号： G06F21/14 文献下载
摘要：本申请实施例公开了人工智能领域中的一种数据防窃取方法和相关产品，该方法可包括：获取目标数据；将所述目标数据输入至识别模型进行识别处理，得到第一标签；所述第一标签为所述目标数据所属的标签，所述识别处理包括：所述识别模型对所述目标数据进行特征提取处理以得到第一特征向量；所述识别模型根据所述第一特征向量，预测得到所述第一标签；在确定存在第二特征向量的情况下，输出目标标签；所述第二特征向量为与所述第一特征向量之间的距离小于第一阈值的特征向量，且其经由所述识别模型预测得到的第二标签与所述第一标签不同；所述目标标签为对所述第一标签进行扰动处理得到的标签；可以有效防止识别模型(一种AI模型)的参数被获取。
标签特征向量目标数据人工智能领域获取目标模型预测目标标签输出目标特征提取扰动窃取预测申请

[发明专利]一种汉语电子喉语音转换方法-CN201610830172.0有效
发明人：李明;郑桦迪;王璐婷;丘卫红;蔡跃新;陈兆聪 -专利权人：广东顺德中山大学卡内基梅隆大学国际联合研究院;中山大学
申请日： 2016-09-18 - 公布日： 2019-12-10 - 主分类号： G10L15/24 文献下载
摘要：本发明公开一种汉语电子喉语音转换方法，具体过程为：训练阶段：从语音材料中获取梅尔倒谱参数MCC，基频F0和频谱SP参数，训练MCC和SP的0阶段参数的GMM模型，训练动态F0的GMM模型，训练MCC的GMM模型，训练SP的NMF字典；转换阶段：根据以上得到GMM模型、NMF字典根据需求将新的源语音转换成目标语音。本发明是针对在提高EL自然度的同时减少对语音可懂性的影响而提出的。为了提高自然度，使用GMM来估算得到动态F0。接着为了提高音频可懂度，使用NMF来估算高质量的频谱用于声音重建。同时为了抑制EL设备的振动噪声，本发明还对语音特征的第0阶参数同样使用GMM的方法。最后采取了客观和主观评价来说明本混合系统在转换语音自然度和可懂性上比传统方法取得更好的结果。
一种汉语电子语音转换方法

[发明专利]一种基于深度神经网络音素信息的语音转换方法-CN201610830140.0有效
发明人：李明;郑桦迪;蔡炜城 -专利权人：广东顺德中山大学卡内基梅隆大学国际联合研究院;中山大学
申请日： 2016-09-18 - 公布日： 2019-10-25 - 主分类号： G10L13/02 文献下载
摘要：本发明公开一种基于深度神经网络音素信息的语音转换方法，包括：训练阶段：步骤101：获得一个目标说话人预料，分别提取PPP特征和频谱低维特征；步骤102：去除频谱低维特征0阶系数，直接拼接PPP特征和频谱低维特征；步骤103：将联合特征训练成一个JD‑GMM模型；步骤104：计算源说话人F0和目标说话人F0的均值和方差；转换阶段：步骤105：对源说话人新的语音提取同样配置的PPP特征；步骤106：输入到JD‑GMM模型，得到估算出来的目标低维特征；步骤107：计算目标说话人的F0，做一个向目标说话人靠近的线性变换；步骤108：利用估算的频谱，线性变换后的F0，该语音的原0阶系数，一起还原成语音。
一种基于深度神经网络音素信息语音转换方法