-
公开(公告)号：CN114219159A
公开(公告)日：2022-03-22
申请号：CN202111564034.X
申请日：2021-12-20
Applicant: 湖南大学
Abstract: 本发明公开了一种基于联邦学习与注意力机制的生产线调度方法，包括获取若干个零件厂家的历史生产零件数据；采用长短期记忆网络，生成各个零件厂家的生产零件数据模型；通过加密和纵向联邦学习，将各个零件厂家的生产零件数据模型进行协同训练；采用注意力机制，求解作业车间调度问题，并采用生成的结果进行生产线调度。本发明在预测准确率较高的前提下保证了本生产线数据的私密与安全，防止了数据的泄露；且由于预测数据较为准确，可以避免生产过剩等造成资源的浪费。使用联邦学习进行共同建模，不仅可以使各参与方获得数据保护的同时，也实现共同提升模型效果的目的，且模型无损失，不会出现负迁移，使得生产线调度更接近实际情况，更准确。
-
公开(公告)号：CN116894994B
公开(公告)日：2025-05-23
申请号：CN202310778826.X
申请日：2023-06-28
Applicant: 湖南大学
IPC: G06V10/774 , G06V10/20 , G06V10/40 , G06V10/74 , G06V10/82 , G06N3/0455 , G06N3/08 , G06N3/048
Abstract: 本发明公开一种基于掩码预训练的图像自监督表示学习方法及装置，该方法步骤包括：S01.获取图像数据样本集并进行预处理操作；S02.将图像数据样本均匀不重叠切割成图片块，选取部分作为可见块、其余作为掩码块；S03.将可见块分别输入至两个不同的编码器，其中第一编码器用于生成可见块标记，第二编码器用于推理出掩码块标记；S04.将原始图像数据样本输入至VAE模型中，生成图像标记；S05.将两个编码器生成的标记以及VAE模型生成的图像标记进行拟合训练；S06.使用训练好的模型学习目标图像中图像块对应的高级语义表示。本发明具有能够弥补和增强图像表示，提升图像的高级语义表示能力以及学习与推理能力等优点。
-
公开(公告)号：CN114372135B
公开(公告)日：2025-01-03
申请号：CN202210042425.3
申请日：2022-01-14
Applicant: 湖南大学
IPC: G06F16/332 , G06F40/242 , G06F40/216 , G06F40/284 , G06N5/022 , G06N5/04
Abstract: 本发明公开了一种基于多分辨率情感和多类型知识的情感对话生成方法，包括接收对话中的语句文本，并进行标记；建立多分辨率情感模块；多分辨率情感模块将情感词转换为向量表示，生成最终多分辨率情感上下文；建立多类型知识交互模块；多类型知识交互模块通过对话上下文和多类型知识之间的联合交互构建情感增强的上下文；生成交互式向量，提取情感信号；解码器进行响应，生成情感响应并与用户输入共同构成情感对话。本发明利用多种类型的知识明确理解和表达情感对话生成中的情感，利用多类型知识获得情感增强的上下文语境图，利用多分辨率情感来更好地捕捉用户情感的细微变化，并将多向量进行融合并提取情感信号，来指导情感响应的生成。
-
公开(公告)号：CN118445440A
公开(公告)日：2024-08-06
申请号：CN202410597008.4
申请日：2024-05-14
Applicant: 湖南大学
Abstract: 本发明公开了一种基于双线性语义编码哈希的图文检索方法，包括：构建目标函数，目标函数使用具有线性偏移项的语义自动编码器学习共同表示，并使用带有线性偏移约束项的迭代量化方法获得哈希码，还利用标签矩阵和成对相似性矩阵进行多监督学习；获取原始图文数据，使用原始图文数据训练目标函数，得到对应的哈希码；根据原始图文数据哈希码的映射矩阵计算待查询样本的哈希码；计算待查询样本的哈希码与每个原始图文数据哈希码的相似度，将最大相似度的原始图文数据作为检索结果。本发明优化了哈希码的生成质量并避免了不匹配，还有效地对原有数据实例进行了划分，提升了分离效果，增强了哈希码的鲁棒性，实现了图文检索的准确性和效率。
-
公开(公告)号：CN117828078A
公开(公告)日：2024-04-05
申请号：CN202311817736.3
申请日：2023-12-26
Applicant: 湖南大学
IPC: G06F16/35 , G06F16/332 , G06F16/36 , G06N5/022 , G06F18/22 , G06F18/25 , G06F18/213 , G06N3/042 , G06N3/0464 , G06N3/0455
Abstract: 本发明公开了一种基于双层关系图的多模态情感识别方法，包括以下步骤：获取不同说话者的对话内容，对所述对话内容划分节点；计算每个节点与每个节点的邻居节点之间的相似度，根据所述相似度构建全局亲和图，同时获取每个节点的上下文信息，根据上下文信息构建局部依赖图；将全局亲和图与局部依赖图分别进行图卷积特征提取，得到全局特征向量和局部特征向量，将全局特征向量和局部特征向量融合后进行预测得到情感识别结果。本发明能够减少冗余信息的干扰，并有效利用不同说话者的信息来建模不容说话者与情感间的关系。
-
Patent Agency Ranking
公开(公告)号：CN111782799B
公开(公告)日：2023-11-10
申请号：CN202010611790.2
申请日：2020-06-30
Applicant: 湖南大学
IPC: G06F16/34 , G06F40/30 , G06N3/0455
Abstract: 本发明公开了一种基于复制机制和变分神经推理的增强性文本摘要生成方法，其步骤包括：步骤S1：通过编码输入和输出序列；利用变分自编码器分别对原文本X＝(x1,x2,…,xT)和文本对应的标准摘要Y＝(y1,y2,…,yN)进行编码。即，将输入的原文词序列和标准摘要词序列编码成连续的词向量序列；步骤S2：对隐变量地近似后验分布进行建模；利用变分神经推理根据学习到的先验分布和近似后验概率得到隐变量z的表示；所述先验分布为pθ(z|x)，所述近似后验概率为#imgabs0#步骤S3：利用上下文语义向量、隐变量和生成复制网络函数解码得到生成的摘要。本发明具有原理简单、适用范围广、能够大幅优化文本摘要生成质量等优点。
-
公开(公告)号：CN117011638A
公开(公告)日：2023-11-07
申请号：CN202310779312.6
申请日：2023-06-28
Applicant: 湖南大学
IPC: G06V10/774 , G06V10/20 , G06V10/40 , G06V10/82 , G06N3/0464 , G06N3/08 , G06N3/048 , G06N3/047
Abstract: 本发明公开一种端到端的图像掩码预训练方法及装置，该方法步骤包括：S1.对原始图像数据集中各数据样本分别进行预处理；S2.对待处理图像数据集中各数据样本分别进行不重叠切割，随机采样出指定比例的图像块作为可见块、剩余作为掩码块；S3.将可见块分别输入至两个不同的编码器中，由其中一个编码器生成可见块表示，另一个编码器用于推理出掩码块表示；S4.根据掩码块对掩码块表示与掩码块位置进行匹配和排序，匹配排序后将可见块表示和掩码块表示组合构建形成完整的原图像表示输入到解码器中进行原始图像重构。本发明具有实现方法简单、训练生成图像的图像表示能力与模型整体的学习和推理能力强等优点。
-
公开(公告)号：CN116894994A
公开(公告)日：2023-10-17
申请号：CN202310778826.X
申请日：2023-06-28
Applicant: 湖南大学
IPC: G06V10/774 , G06V10/20 , G06V10/40 , G06V10/74 , G06V10/82 , G06N3/0455 , G06N3/08 , G06N3/048
Abstract: 本发明公开一种基于掩码预训练的图像自监督表示学习方法及装置，该方法步骤包括：S01.获取图像数据样本集并进行预处理操作；S02.将图像数据样本均匀不重叠切割成图片块，选取部分作为可见块、其余作为掩码块；S03.将可见块分别输入至两个不同的编码器，其中第一编码器用于生成可见块标记，第二编码器用于推理出掩码块标记；S04.将原始图像数据样本输入至VAE模型中，生成图像标记；S05.将两个编码器生成的标记以及VAE模型生成的图像标记进行拟合训练；S06.使用训练好的模型学习目标图像中图像块对应的高级语义表示。本发明具有能够弥补和增强图像表示，提升图像的高级语义表示能力以及学习与推理能力等优点。
-
公开(公告)号：CN116504275A
公开(公告)日：2023-07-28
申请号：CN202310413043.1
申请日：2023-04-17
Applicant: 湖南大学
Abstract: 本发明公开一种融合多层次声学信息的语音情感识别方法、装置及存储介质，该方法步骤包括：S01.获取待识别语音信号进行预处理后，得到频谱特征图和梅尔倒谱系数；S02.分别提取频谱特征、MFCC特征，以及提取W2E特征；S03.将频谱特征、MFCC特征和W2E特征输入到跨层次注意力网络中进行融合，得到融合特征输出，跨层次注意力网络包括三组跨层次注意力模块，每组用于对应将两种特征采用自注意力进行融合，将三组融合特征进行拼接后得到最终的融合特征；S04.将融合特征输入至分类器，得到情感分类结果。本发明能够将不同层次的声学特征通过跨层次注意力的方式进行融合，提高情感识别的识别精度以及抗干扰性。
-
公开(公告)号：CN112863494B
公开(公告)日：2023-01-06
申请号：CN202110070151.4
申请日：2021-01-19
Applicant: 湖南大学
Abstract: 本发明公开一种基于半监督对抗变分自编码的语音情感识别方法及系统，该方法步骤包括：S1.构建生成式对抗网络，并结合半监督变分自编码模型以及生成式对抗网络构建语音情感识别模型，其中将输入数据中带情感标签数据与对应的情感标签作为输入，以及将输入数据中无情感标签数据作为情感标签属性缺失类型处理，由生成式对抗网络学习输入数据在隐含层的特征概率分布，构建得到SSAVAE模型；S2.使用训练集对构建得到的SSAVAE模型进行训练；S3.输入待处理语音情感数据，将待处理语音情感数据输入至训练后的SSAVAE模型中，得到情感识别结果。本发明具有实现方法简单、识别精度高、泛化能力且抗数据扰动性能好等优点。
-
-
-
-
-
-
-
-
-
Search Results
54
records
(took 0.024 seconds)
