-
公开(公告)号：CN115758226A
公开(公告)日：2023-03-07
申请号：CN202310019270.6
申请日：2023-01-06
Applicant: 之江实验室
IPC: G06F18/24 , G06F18/25 , G06N3/045 , G06N3/08 , G06N3/0442
Abstract: 本说明书公开了一种异常检测的方法、装置、存储介质及电子设备。该异常检测的方法包括：获取目标设备的状态数据，以及所处环境的环境数据，将状态数据以及环境数据输入预先训练的检测模型，通过检测模型的特征提取层，确定状态特征以及环境特征，将状态特征输入检测模型中设有至少两个子网络的特征转换层，以确定各子网络输出的转换后特征，以及，根据状态特征和环境特征，确定各子网络在不同检测任务下对应的权重，进而确定目标设备在不同检测任务下对应的目标特征，并对目标设备进行异常检测。
-
公开(公告)号：CN116028891B
公开(公告)日：2023-07-14
申请号：CN202310123067.3
申请日：2023-02-16
Applicant: 之江实验室
IPC: G06F18/25 , G06F18/214 , G06N3/0442 , G06N3/0464 , G06N3/08
Abstract: 本发明公开一种基于多模型融合的工业异常检测模型训练方法和装置，该方法包括：步骤一，获取传感器数据后进行预处理；步骤二，将预处理得到的传感器特征张量分别输入多个教师模型和学生模型，获取模型中各个网络层的特征；步骤三，将所述特征中的中间层张量映射为公共空间张量；步骤四，对所有教师模型的公共空间张量加权平均，得到与学生公共空间张量相对应的教师加权张量，将所有教师模型任务层向量横向拼接成教师任务层拼接向量；步骤五，获取模型的蒸馏损失、任务损失以及预测损失，并加权求和得到总损失；步骤六，重复以上步骤，最小化总损失，更新学生模型神经网络参数，直至收敛，最终固定学生模型神经网络参数，获得目标模型，完成训练。
-
公开(公告)号：CN115512687B
公开(公告)日：2023-02-17
申请号：CN202211390934.1
申请日：2022-11-08
Applicant: 之江实验室
Abstract: 本说明书公开了一种语音断句方法、装置、存储介质及电子设备，本说明书实施例中实时获取到目标用户的音频数据，先对音频数据进行语音检测，得到语音片段和非语音片段。然后，根据语音片段，确定出目标用户对应的语言表达习惯参数，并基于确定出的语言表达习惯参数，确定出对目标用户发出的音频数据进行语音断句的静默时长。最终，基于确定出的静默时长以及非语音片段的持续时长，对目标用户后续的音频数据进行语音断句。在此方法中，在对话场景下，可以根据不同用户的语言表达习惯，为不同的用户确定出不同的静默时长，这样，可以提高对话场景下语音断句的准确性，并提高下游针对用户的语音进行答复的准确性。
-
公开(公告)号：CN115512687A
公开(公告)日：2022-12-23
申请号：CN202211390934.1
申请日：2022-11-08
Applicant: 之江实验室
Abstract: 本说明书公开了一种语音断句方法、装置、存储介质及电子设备，本说明书实施例中实时获取到目标用户的音频数据，先对音频数据进行语音检测，得到语音片段和非语音片段。然后，根据语音片段，确定出目标用户对应的语言表达习惯参数，并基于确定出的语言表达习惯参数，确定出对目标用户发出的音频数据进行语音断句的静默时长。最终，基于确定出的静默时长以及非语音片段的持续时长，对目标用户后续的音频数据进行语音断句。在此方法中，在对话场景下，可以根据不同用户的语言表达习惯，为不同的用户确定出不同的静默时长，这样，可以提高对话场景下语音断句的准确性，并提高下游针对用户的语音进行答复的准确性。
-
公开(公告)号：CN117079646A
公开(公告)日：2023-11-17
申请号：CN202311328287.6
申请日：2023-10-13
Applicant: 之江实验室
IPC: G10L15/06
Abstract: 本说明书公开了一种语音识别模型的训练方法、装置、设备及存储介质，通过基于通用语音数据集训练的复述模型，确定目标语音数据的第一语音特征，以及通过待训练的语音识别模型，确定目标语音数据的第二语音特征和识别结果，再将数据增强后的目标语音数据作为第一训练样本，将目标语音数据的识别结果作为第一训练样本的标注，根据第一训练样本的识别结果及其标注之间的差异，以及第一语音特征和第二语音特征之间的差异，对该语音识别模型进行训练。本方法采用语音识别模型自监督、复述模型辅助监督的方式来进行训练，在不需要人工对目标领域的语音数据进行标注的情况下，也可得到准确的语音识别模型，保证了模型训练效率。
-
Patent Agency Ranking
公开(公告)号：CN116258679A
公开(公告)日：2023-06-13
申请号：CN202310004631.X
申请日：2023-01-03
IPC: G06T7/00 , G06V10/764 , G06N3/08 , G06V10/82
Abstract: 本说明书公开了一种信息推荐方法、装置、存储介质及电子设备，本说明书实施例在获取针对用户的病灶部位所采集的图像之后，将图像输入到分类模型中，通过分类模型确定出各特征数据，并确定每个特征数据归属于每种症状的概率。基于每个特征数据归属于每种症状的概率和每个特征数据，确定每种症状对应的症状特征。将每种症状对应的症状特征进行拼接得到综合症状特征，并基于综合症状特征识别出用户所患的疾病。在此方法中，可以将病灶处的各症状进行解耦，得到每种症状的症状特征，再基于每种症状的症状特征确定出患者所患的疾病，这样可以有效提高对相似症状的疾病进行分类的准确性。
-
公开(公告)号：CN115758226B
公开(公告)日：2023-06-02
申请号：CN202310019270.6
申请日：2023-01-06
Applicant: 之江实验室
IPC: G06F18/24 , G06F18/25 , G06N3/045 , G06N3/08 , G06N3/0442
Abstract: 本说明书公开了一种异常检测的方法、装置、存储介质及电子设备。该异常检测的方法包括：获取目标设备的状态数据，以及所处环境的环境数据，将状态数据以及环境数据输入预先训练的检测模型，通过检测模型的特征提取层，确定状态特征以及环境特征，将状态特征输入检测模型中设有至少两个子网络的特征转换层，以确定各子网络输出的转换后特征，以及，根据状态特征和环境特征，确定各子网络在不同检测任务下对应的权重，进而确定目标设备在不同检测任务下对应的目标特征，并对目标设备进行异常检测。
-
公开(公告)号：CN115033594A
公开(公告)日：2022-09-09
申请号：CN202210953656.X
申请日：2022-08-10
Applicant: 之江实验室
IPC: G06F16/242 , G06F16/2453 , G06F40/216 , G06F40/289
Abstract: 本发明提供了一种给出置信度的垂直领域检索方法和装置，方法包括在初次启动检索引擎时，生成用来将预存信息生成查询过程中所需要的第一词权重表、惩罚词权重表；对待查语句集进行处理，生成待查语句的满匹配得分表和倒排索引表；用户输入查询语句，求得该查询语句与待查语句集的匹配置信度并进行降序排列。本发明充分考虑未涵盖在特定语料库中的词汇，使用协调因子重构其词权重，并设计合理的计算公式给出令人信服的匹配置信度，从而支撑下游任务的顺利进行。
-
公开(公告)号：CN117079646B
公开(公告)日：2024-01-09
申请号：CN202311328287.6
申请日：2023-10-13
Applicant: 之江实验室
IPC: G10L15/06
Abstract: 本说明书公开了一种语音识别模型的训练方法、装置、设备及存储介质，通过基于通用语音数据集训练的复述模型，确定目标语音数据的第一语音特征，以及通过待训练的语音识别模型，确定目标语音数据的第二语音特征和识别结果，再将数据增强后的目标语音数据作为第一训练样本，将目标语音数据的识别结果作为第一训练样本的标注，根据第一训练样本的识别结果及其标注之间的差异，以及第一语音特征和第二语音特征之间的差异，对该语音识别模型进行训练。本方法采用语音识别模型自监督、复述模型辅助监督的方式来进行训练，在不需要人工对目标领域的语音数据进行标注的情况下，也可得到准确的语音识别模型，保证了模型训练效率。
-
公开(公告)号：CN116028891A
公开(公告)日：2023-04-28
申请号：CN202310123067.3
申请日：2023-02-16
Applicant: 之江实验室
IPC: G06F18/25 , G06F18/214 , G06N3/0442 , G06N3/0464 , G06N3/08
Abstract: 本发明公开一种基于多模型融合的工业异常检测模型训练方法和装置，该方法包括：步骤一，获取传感器数据后进行预处理；步骤二，将预处理得到的传感器特征张量分别输入多个教师模型和学生模型，获取模型中各个网络层的特征；步骤三，将所述特征中的中间层张量映射为公共空间张量；步骤四，对所有教师模型的公共空间张量加权平均，得到与学生公共空间张量相对应的教师加权张量，将所有教师模型任务层向量横向拼接成教师任务层拼接向量；步骤五，获取模型的蒸馏损失、任务损失以及预测损失，并加权求和得到总损失；步骤六，重复以上步骤，最小化总损失，更新学生模型神经网络参数，直至收敛，最终固定学生模型神经网络参数，获得目标模型，完成训练。
-
-
-
-
-
-
-
-
-
Search Results
12
records
(took 0.025 seconds)
