-
公开(公告)号：CN108536841A
公开(公告)日：2018-09-14
申请号：CN201810332569.6
申请日：2018-04-13
Applicant: 国家计算机网络与信息安全管理中心 , 天津市国瑞数码安全系统股份有限公司
IPC: G06F17/30
Abstract: 本发明属于数据查询技术领域，具体而言，涉及一种基于业务用户习惯的智能学习查询模型，其方法包括步骤一，对业务用户的数据查询习惯进行分析；步骤二，针对所述数据查询习惯的分析结果制定数据查询方案；步骤三，根据所述数据查询方案构建数据查询模型；步骤四，根据所述数据查询模型对现有数据查询系统进行改造。查询系统包括数据源存储系统、数据过滤系统、用户数据存储系统和数据展示系统。本发明通过对业务用户的数据查询习惯进行分析，针对分析结果制定数据查询方案，并对现有数据查询系统进行改进，能够提前将业务用户关注的数据推送给业务用户，具有查询时间短，用户体验效果好的特点。
-
公开(公告)号：CN106972967A
公开(公告)日：2017-07-21
申请号：CN201710195501.3
申请日：2017-03-29
Applicant: 国家计算机网络与信息安全管理中心 , 中国科学院声学研究所
CPC classification number: H04L41/147 , G06N20/00 , G06Q10/04 , H04L41/12
Abstract: 本发明提出了一种用于链路预测的深度学习降维方法和装置，该方法，包括：根据各个网络节点在设定时间段内的连接关系，确定每个网络节点的一级连接网络节点和二级连接网络节点；按照设定时长将所述设定时间段划分为多个时间片，并根据所述各个网络节点在每个时间片内的连接关系，确定出在每个时间片内每个网络节点与对应的一级连接网络节点和二级连接网络节点的连接关系；根据在每个时间片内每个网络节点与对应的一级连接网络节点和二级连接网络节点的连接关系，通过深度学习算法模型，对所述各个网络节点进行链路预测。本发明减少输入到深度学习算法模型的数据量，减少学习训练时间并提高链路预测的准确性。
-
公开(公告)号：CN106960672A
公开(公告)日：2017-07-18
申请号：CN201710203054.1
申请日：2017-03-30
Applicant: 国家计算机网络与信息安全管理中心 , 中国科学院声学研究所
IPC: G10L21/0388 , H04S7/00
CPC classification number: G10L21/0388 , H04S7/303
Abstract: 本发明公开了一种立体声音频的带宽扩展方法与装置。该方法包括：将立体声信号分解为直达声和扩散声；按照预设的频带扩展方法对扩散声进行带宽扩展；将直达声分离成多个不同方位的点声源，对多个点声源分别进行带宽扩展，得到带宽扩展后的多个点声源；将带宽扩展后的多个点声源按照预先估计的方位信息进行重新混合，得到带宽扩展后的直达声；根据带宽扩展后的直达声结合带宽扩展后的扩散声重建出宽带立体声音频信号。借助于本发明的技术方案，解决了现有技术中仅根据单个声道重建信号的主观质量实现对信号带宽的扩展，没有考虑到两个声道中信号能量和相位的相关性，其重建立体声信号严重影响了听者对声源位置和距离的判定的问题。
-
公开(公告)号：CN114495898B
公开(公告)日：2022-07-01
申请号：CN202210395964.5
申请日：2022-04-15
Applicant: 中国科学院自动化研究所
IPC: G10L13/02 , G10L13/027 , G10L13/08
Abstract: 本发明提出一种统一的语音合成与语音转换的训练方法和系统。其中，方法包括：将语音合成和语音转换的编码任务解耦成三个子任务，分别为内容信息的提取、说话人信息的提取和韵律信息的提取；所述内容信息是与说话人无关的语言信息；所述说话人信息包括：说话人的特征；所述韵律信息表示说话人如何说出内容信息，反映语音的节奏；将提取得到的所述内容信息、说话人信息和韵律信息输入解码任务，得到还原的语音信息。本发明提出的方案，将语音合成与语音转换模型进行了统一，避免了独立搭建的困难；使用无标注的语音提高语音合成与语音转换的性能。
-
Patent Agency Ranking
公开(公告)号：CN103702349B
公开(公告)日：2017-03-01
申请号：CN201310739109.2
申请日：2013-12-26
Applicant: 中国科学院自动化研究所
Abstract: 本发明提出一种基于新的稀疏强化学习的传感器网络优化方法，包括：步骤1，将传感器网络中的传感器划分为多个传感器基团；步骤2，将所述传感器网络中表示所有传感器控制策略的全局Q值函数分解为表示各个传感器基团中传感器控制策略的Q值函数之和，并获取与分解后的Q值函数对应的因子图；步骤3，计算当前状态下所有传感器的贪婪联合动作；步骤4，各个传感器执行所述贪婪联合动作或随机动作，并更新每个传感器基团的Q值函数；步骤5，重复步骤3～4，直至传感器基团的Q值函数收敛；步骤6，根据学习得到的传感器基团的Q值函数和当前目标所处的状态，使用一般最大和算法计算获得所有传感器的贪婪联合动作，供每个传感器执行。
-
公开(公告)号：CN103702349A
公开(公告)日：2014-04-02
申请号：CN201310739109.2
申请日：2013-12-26
Applicant: 中国科学院自动化研究所
Abstract: 本发明提出一种基于新的稀疏强化学习的传感器网络优化方法，包括：步骤1，将传感器网络中的传感器划分为多个传感器基团；步骤2，将所述传感器网络中表示所有传感器控制策略的全局Q值函数分解为表示各个传感器基团中传感器控制策略的Q值函数之和，并获取与分解后的Q值函数对应的因子图；步骤3，计算当前状态下所有传感器的贪婪联合动作；步骤4，各个传感器执行所述贪婪联合动作或随机动作，并更新每个传感器基团的Q值函数；步骤5，重复步骤3～4，直至传感器基团的Q值函数收敛；步骤6，根据学习得到的传感器基团的Q值函数和当前目标所处的状态，使用一般最大和算法计算获得所有传感器的贪婪联合动作，供每个传感器执行。
-
公开(公告)号：CN114420100B
公开(公告)日：2022-06-21
申请号：CN202210321299.5
申请日：2022-03-30
Applicant: 中国科学院自动化研究所
Abstract: 本公开涉及一种语音检测方法及装置、电子设备及存储介质，所述方法包括：对待检测语音进行声学特征提取，得到第一声学特征和第二声学特征；将第一声学特征序列输入预先训练好的采样率预测模型，得到采样率信息特征；将第二声学特征和采样率信息特征输入预先训练好的语音检测模型，得到待检测语音为真实语音或合成语音的分类结果，结合采样率信息特征对待检测语音进行检测，能够对实际场景中音频进行音频质量的快速判别，帮助语音检测模型对实际音频的不同频带进行更加有侧重的识别，避免假高频语音对模型判别进行干扰，提高检测模型的分类精确度。
-
公开(公告)号：CN114495898A
公开(公告)日：2022-05-13
申请号：CN202210395964.5
申请日：2022-04-15
Applicant: 中国科学院自动化研究所
IPC: G10L13/02 , G10L13/027 , G10L13/08
Abstract: 本发明提出一种统一的语音合成与语音转换的训练方法和系统。其中，方法包括：将语音合成和语音转换的编码任务解耦成三个子任务，分别为内容信息的提取、说话人信息的提取和韵律信息的提取；所述内容信息是与说话人无关的语言信息；所述说话人信息包括：说话人的特征；所述韵律信息表示说话人如何说出内容信息，反映语音的节奏；将提取得到的所述内容信息、说话人信息和韵律信息输入解码任务，得到还原的语音信息。本发明提出的方案，将语音合成与语音转换模型进行了统一，避免了独立搭建的困难；使用无标注的语音提高语音合成与语音转换的性能。
-
公开(公告)号：CN114420100A
公开(公告)日：2022-04-29
申请号：CN202210321299.5
申请日：2022-03-30
Applicant: 中国科学院自动化研究所
Abstract: 本公开涉及一种语音检测方法及装置、电子设备及存储介质，所述方法包括：对待检测语音进行声学特征提取，得到第一声学特征和第二声学特征；将第一声学特征序列输入预先训练好的采样率预测模型，得到采样率信息特征；将第二声学特征和采样率信息特征输入预先训练好的语音检测模型，得到待检测语音为真实语音或合成语音的分类结果，结合采样率信息特征对待检测语音进行检测，能够对实际场景中音频进行音频质量的快速判别，帮助语音检测模型对实际音频的不同频带进行更加有侧重的识别，避免假高频语音对模型判别进行干扰，提高检测模型的分类精确度。
-
-
-
-
-
-
-
-
Search Results
129
records
(took 0.116 seconds)
