“多模态变分”专利关键词查询_检索下载_查询列表_检索列表_行业专利分布_钻瓜专利网

钻瓜专利网为您找到相关结果2696829个，建议您升级VIP下载更多相关专利

[发明专利]多模态变分自编码模型训练方法、系统及相关设备-CN202210659509.1在审
发明人：陈亚瑞;杨剑宁;吴世伟;刘垚;王晓捷;闫潇宁;许能华 -专利权人：深圳市安软慧视科技有限公司
申请日： 2022-06-09 - 公布日： 2022-09-09 - 主分类号： G06V10/774 文献下载
摘要：本发明适用于多模态数据处理领域，提供了一种多模态变分自编码模型训练方法、系统及相关设备，所述方法包括：获取包含多种模态的图像数据，并将每两张不同模态的图像数据进行配对，得到图像对数据集；构建多模态变分自编码框架模型，并将所述图像对数据集作为所述多模态变分自编码框架模型的输入，对所述多模态变分自编码框架模型进行训练；使用四元组度量损失作为所述多模态变分自编码框架模型训练的损失函数，直到损失函数收敛，输出完成训练的多模态变分自编码模型本发明实现了在多模态变分自编码模型训练过程中在隐空间对共享隐向量进行对齐，使模型对多模态数据的数据表示与生成能力得到提高。
多模态变分编码模型训练方法系统相关设备

[发明专利]基于变分推理和多任务学习的多模态机器翻译方法-CN202010867461.4有效
发明人：孙仕亮;刘啸;赵静;张楠 -专利权人：华东师范大学
申请日： 2020-08-26 - 公布日： 2021-05-07 - 主分类号： G06F40/58 文献下载
摘要：本发明公开了一种基于变分推理和多任务学习的多模态机器翻译方法，该方法具备翻译能力前，首先得用变分推理理论对图像、文本等多模态信息进行多任务建模，然后在给定足量训练集的情况下，训练得到变分多模态机器翻译模型本发明的创新点在于创建并使用了一种能够将图像等多模态信息融入机器翻译的模型：变分多模态机器翻译。本发明的变分模型构建了一套混淆图像和文本语义的特征提取神经网络框架，同时推导出了建模过程和自我学习更新过程，给出了详细的推导算法，并指导性的给出了应用方法。
基于推理任务学习多模态机器翻译方法

[发明专利]一种基于变分模态分解和多尺度下采样的光伏功率出力预测方法-CN202111088738.4在审
发明人：黄育松;章熙;刘晓放;梁铃;王平;施诗;谢恩彦;陈刚;吕委伦 -专利权人：贵州电网有限责任公司
申请日： 2021-09-16 - 公布日： 2022-01-28 - 主分类号： G06Q10/04 文献下载
摘要：本专利公开了一种基于变分模态分解和多尺度下采样的光伏功率出力预测方法。该方法分别利用基于变分模态分解和多尺度下采样的两种尺度信息，通过变分模态分解获取同一个特征中的不同时间尺度信息，通过下采样获取不同特征的中的相同尺度信息。同时变分模态特征进行模态卷积网络融合，并使用光伏真实值对模态卷积网络进行预训练，对多个尺度信号通过多个尺度卷积网络进行融合，并使用光伏真实值对尺度卷积网络进行预训练，最后通过全连接网络将模态卷积网络和尺度卷积网络进行训练，并采用真实值对整个网络进行训练，从而多尺度信息可以显著提高光伏预测的性能，且具有较强的泛化性能，具有良好的实用性。
一种基于变分模态分解尺度采样功率出力预测方法

[发明专利]多模态时域信号模态分离、阻尼参数辨识方法及存储介质-CN201810998861.1有效
发明人：边杰;陈亚农;王平;唐广;徐友良 -专利权人：中国航发湖南动力机械研究所
申请日： 2018-08-30 - 公布日： 2020-12-01 - 主分类号： G06K9/00 文献下载
摘要：本发明公开了一种多模态时域信号中各模态的分离方法、各模态的阻尼参数辨识方法以及存储介质，本发明的分离方法包括：采用布谷鸟搜索算法对变分模态分解方法的输入参数中的二次惩罚因子和带宽进行优化，获得优化的输入参数；使用变分模态分解方法并将优化的输入参数作为变分模态分解方法的输入参数对目标信号进行分解，获得包含在目标信号中的所有单模态时域信号，其中，目标信号为多模态时域信号。本发明的分离方法采用CS算法优化二次惩罚因子α和带宽τ，有利于实现多模态时域信号中各模态的准确分离，分离过程中无模态混叠现象发生，为下一步的模态阻尼参数辨识奠定了基础。本发明辨识方法能够有效降低误差，提高模态阻尼的辨识精度。
多模态时域信号分离阻尼参数辨识方法存储介质

[发明专利]基于变分蒸馏的多模态联合表示学习方法及系统-CN202210062288.X在审
发明人：张亚伟;王晶晶;李寿山 -专利权人：苏州大学
申请日： 2022-01-19 - 公布日： 2022-08-02 - 主分类号： G06N3/08 文献下载
摘要：本发明涉及一种基于变分蒸馏的多模态联合表示学习方法，包括部署学生模型、文本教师模型和图像教师模型，多模态数据包括原始的文本模态数据和图像模态数据，整理得到输入相同的文本模态输入和图像模态输入；将其分别输入至模态联合表示模块，得到文本输出和图像输出，将原始的文本模态数据和图像模态数据输入至文本教师模型和图像教师模型，得到文本输出和图像输出；利用变分互信息表征学生模型和教师模型对应的文本输出和图像输出的相关性，将文本输出和图像输出利用蒸馏损失函数进行联合蒸馏训练本发明提出一种基于变分蒸馏的多模态联合表示学习方法及系统，在不同模态数据集上均超越了现有的基准模型。
基于蒸馏多模态联合表示学习方法系统

[发明专利]一种提取多通道信号中共有窄带子成分的方法-CN202310561834.9在审
发明人：陈茂启;路知远;周平;魏永利;鲍天哲;张亚慧;丁军航 -专利权人：康复大学（筹）
申请日： 2023-05-18 - 公布日： 2023-07-25 - 主分类号： G06F18/213 文献下载
摘要：本发明公开了一种提取多通道信号中共有窄带子成分的方法，解决现有技术中变分模态分解的信号的只能处理单通道信号，分解精度低，无法充分利用模态先验信息的技术问题。其采用改进变分模态分解算法——多元变分模态提取，将变分模态分解算法推广至多元情形，并在优化问题中增加了关于待提取窄带子成分中心频率的先验约束，从而可以从多通道信号中提取出已知中心频率的窄带子成分，在优化问题中添加了待提取分量的中心频率的先验约束
一种提取通道信号共有窄带成分方法

[发明专利]基于改进变分模态分解算法的癫痫脑电信号自动检测方法-CN202010379531.1在审
发明人：张学军;景鹏 -专利权人：南京邮电大学
申请日： 2020-05-08 - 公布日： 2020-08-18 - 主分类号： A61B5/00 文献下载
摘要：本发明公开了一种基于改进变分模态分解的癫痫脑电信号自动检测方法，首先将原脑电信号进行预处理，并对预处理后的信号进行改进变分模态分解，然后从分解后的不同变分模态函数中提取精细复合多尺度散布熵作为特征并利用支持向量机进行分类本发明的特点在于：①利用弹性网回归代替岭回归重新构建了变分模态分解的约束模型，并理论推导了改进后变分模态分解的求解过程。②利用改进变分模态分解进行癫痫脑电信号的分解，并将精细复合多尺度散布熵作为脑电提取特征、将支持向量机作为分类方法，形成全过程的癫痫脑电信号自动检测系统构造方法。
基于改进变分模态分解算法癫痫电信号自动检测方法

[发明专利]一种基于变分模态分解的锚杆检测方法-CN201711000918.6在审
发明人：许军才;任青文;沈振中;沈心哲 -专利权人：河海大学
申请日： 2017-10-24 - 公布日： 2018-02-23 - 主分类号： G06T7/00 文献下载
摘要：本发明公开了一种基于变分模态分解的锚杆检测方法，基于变分模态分解方法原理，结合形态滤波，分解出各特征模态函数，再根据分解的特征模态函数分析锚杆锚固状况，评价锚杆锚固施工质量。本发明有效克服常规变分模态分解方法，出现的分辨率不高，抗干扰性不强等缺点，能有效的对锚杆检测信号进行多尺度分解。
一种基于变分模态分解检测方法

[发明专利]基于多精度变分模态分接算法的变压器压力信号去噪方法-CN202211513015.9在审
发明人：韩明明 -专利权人：国网山东省电力公司电力科学研究院
申请日： 2022-11-28 - 公布日： 2023-04-04 - 主分类号： G06F18/10 文献下载
摘要：一种基于多精度变分模态分接算法的变压器压力信号去噪方法，采用改进的经验模态分解算法（EMD）和多精度变分模态分解算法（VMD），本发明适用于各电压等级的电力变压器的压力传感器的信号去噪处理，可以用在变压器压力异常预警装置中去除电磁干扰影响的多精度自适应变分模式分解方法
基于精度变分模态分接算法变压器压力信号方法

[发明专利]一种基于改进变分模态分解的雷达辐射源信号分离方法-CN202110961778.9在审
发明人：申良喜;孙裔申;朱澄澄;沈海平;刘唐兴;黄山良;张巍巍;吴璇 -专利权人：中国电子科技集团公司第二十八研究所
申请日： 2021-08-20 - 公布日： 2021-11-30 - 主分类号： G06K9/00 文献下载
摘要：本发明提出一种基于改进变分模态分解的雷达辐射源信号分离方法，包括建立多种调制方式的雷达辐射源信号库；构造变分模态分解算法所需的变分模型；提取加性混合雷达信号的Renyi熵作为适应度值；应用人工蜂群算法计算变分模态分解算法的最优参数；通过变分模态分解将混合信号分解为虚拟多通道观测信号；借助奇异值分解与快速独立成分分析方法实现信号重构；提取已分离信号的时频域Renyi熵作为区分特征；应用支持向量机验证信号分离效果。本发明对加性混合雷达辐射源信号进行分离与识别，针对接收机侦收信号数目多、先验信息少以及识别效果差的问题，提出改进变分模态分解方法以实现混合雷达信号的快速分离与精确识别，为后续处理混合信号提供全新的思路。
一种基于改进变分模态分解雷达辐射源信号分离方法

[发明专利]一种基于变分自编码器的零样本跨模态检索方法-CN202210463114.4有效
发明人：徐行;王凯;田加林;杨阳;沈复民;申恒涛 -专利权人：电子科技大学
申请日： 2022-04-28 - 公布日： 2023-04-07 - 主分类号： G06F16/43 文献下载
摘要：本发明公开了一种基于变分自编码器的零样本跨模态检索方法，该方法通过基于变分自编码器的零样本跨模态检索模型实现，模型包括特征提取器，分类器，混合变分自编码器及损失函数、多模态解耦变分自编码器及损失函数，特征对齐损失函数和反直觉交叉重构损失函数本发明将变分自编码器模型适应性地应用在零样本跨模态检索任务中，引导模型在训练过程中自行学习更加细化的语义嵌入以进行跨模态语义特征对齐，以学习到适合多模态语义特征的子空间分布。
一种基于编码器样本跨模态检索方法

[发明专利]一种风力发电机电振动信号消噪方法及存储介质-CN201910354280.9在审
发明人：陈学军;郭晓君;张杰;王旭 -专利权人：莆田学院
申请日： 2019-04-29 - 公布日： 2019-08-16 - 主分类号： G06K9/00 文献下载
摘要：本发明涉及一种风力发电机电振动信号消噪方法及存储介质，所述方法包括以下步骤：通过变分模态分解算法将风力发电机振动信号分解为一组模态分量；分别计算每个模态分量的多尺度排列熵值；对每个模态分量的多尺度排列熵值进行判断是否超过预设熵值；若超过预设熵值，对多尺度排列熵值超过预设熵值的模态分量进行降噪处理；将经过降噪处理的模态分量及未经过降噪处理的模态分量进行组合重构得到降噪后的振动信号。通过变分模态分解与多尺度排列熵进行结合对振动信号进行消噪，可以有效减少信号的失真，消噪效果好。
模态分量多尺度消噪降噪处理预设风力发电存储介质机电振动振动信号分模振动信号分解风力发电机分解算法有效减少降噪重构组模失真分解

[发明专利]一种超图变分自编码器的多模态半监督表征学习方法-CN202210960986.1在审
发明人：刘经权;胡卫东;杜小勇 -专利权人：中国人民解放军国防科技大学
申请日： 2022-08-11 - 公布日： 2022-11-18 - 主分类号： G06V10/774 文献下载
摘要：本申请涉及一种超图变分自编码器的多模态半监督表征学习方法，该方法包括：利用多模态数据构造多模态超图，计算得到原始拉普拉斯关系矩阵；利用原始拉普拉斯关系矩阵构建单层超图卷积并提取得到潜在的融合表示；利用变分推理模型对融合表示引入标准高斯分布先验信息并推理得到联合表征结果；对联合表征结果进行内积计算生成重构拉普拉斯关系矩阵；利用KL散度约束生成重构拉普拉斯关系矩阵与原始拉普拉斯关系矩阵的差异信息；根据差异信息采用交叉熵度量多模态数据的标签与融合表示之间的损失，初始化变分自编码器的训练参数并采用大幅提高了多模态数据处理性能。
一种超图编码器多模态半监督表征学习方法

[发明专利]一种基于多元变分模态分解的水平油水两相流流型分析方法-CN202210264624.9在审
发明人：樊春玲;秦江帆;张春堂 -专利权人：青岛科技大学
申请日： 2022-03-17 - 公布日： 2022-08-05 - 主分类号： G06K9/00 文献下载
摘要：本发明提供一种基于多元变分模态分解的水平油水两相流流型分析方法，包括：采集多元电导波动信号x(t)；对多元电导波动信号进行多元变分模态分解得到多个不同通道、不同模态下的固有模态函数分量和噪声残差项；对每一模态下不同通道的信号分量进行叠加，构造新的时间序列zk(t)；剔除噪声项，对重组后时间序列进行粗粒化处理得到多尺度化时间序列ye(j)；组合不同模态下的多尺度时间序列为一组多元时间序列，计算不同流速下流体的多元多尺度模糊熵(MMFE)作为非线性特征；修改多元变分模态分解参数k，重复步骤2)～5)并对比流体熵值曲线确定最优化分解参数k，在确定的最优参数下计算流体非线性特征多元多尺度模糊熵
一种基于多元变分模态分解水平油水两相流流分析方法

[发明专利]一种跨模态行人轨迹生成式预测框架、方法和装置-CN202210052682.5有效
发明人：华炜;苏肇鑫;黄刚 -专利权人：之江实验室
申请日： 2022-01-18 - 公布日： 2022-09-13 - 主分类号： G06V40/10 文献下载
摘要：本发明涉及行人轨迹预测领域，具体涉及一种跨模态行人轨迹生成式预测框架、方法和装置，该框架包括：多模态数据时域特征提取模块对多模态数据提取时域特征，直接传递给基于跨模态Transformer的特征编码模块；所述基于跨模态Transformer的特征编码模块，输入为多模态的时域特征，输出为跨模态的注意力特征，分别传递给条件变分自动编码模块和轨迹预测模块；所述条件变分自动编码模块，输入为跨模态的注意力特征，输出为隐变量，直接传递给轨迹预测模块；所述轨迹预测模块，输入为跨模态的注意力特征和隐变量，输出为预测的轨迹。
一种跨模态行人轨迹生成预测框架方法装置

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
下一页»
尾页
共 100000 条