-
公开(公告)号：CN112367273B
公开(公告)日：2023-10-31
申请号：CN202011186016.8
申请日：2020-10-30
Applicant: 上海瀚讯信息技术股份有限公司
IPC: H04L47/2441 , H04L47/2483 , H04L9/40 , H04L41/16 , G06F18/2415 , G06N3/0464 , G06N3/096 , G06N3/084
Abstract: 本发明提供一种基于知识蒸馏的深度神经网络模型的流量分类方法，包括：构造一个深度神经网络作为用于流量分类的教师网络模型；获取并预处理真实网络环境中的流量数据，得到网络流量数据库，作为训练集、验证集和测试集；使用网络流量数据库和硬标签来训练教师网络模型，训练结束后保存经过训练的教师网络模型；构建复杂度低于教师网络模型的学生网络模型；基于知识蒸馏方法辅助训练学生网络模型；采用学生网络模型对流量数据进行分类。本发明还提供了相应的流量分类装置。本发明的流量分类方法可以进一步减少流量分类模型的存储和计算成本、对促进入侵检测系统的边缘部署和网络智能化管理具有十分重要的意义。
-
Patent Agency Ranking
公开(公告)号：CN112367273A
公开(公告)日：2021-02-12
申请号：CN202011186016.8
申请日：2020-10-30
Applicant: 上海瀚讯信息技术股份有限公司
IPC: H04L12/851 , H04L29/06 , G06K9/62 , G06N3/04 , G06N3/08
Abstract: 本发明提供一种基于知识蒸馏的深度神经网络模型的流量分类方法，包括：构造一个深度神经网络作为用于流量分类的教师网络模型；获取并预处理真实网络环境中的流量数据，得到网络流量数据库，作为训练集、验证集和测试集；使用网络流量数据库和硬标签来训练教师网络模型，训练结束后保存经过训练的教师网络模型；构建复杂度低于教师网络模型的学生网络模型；基于知识蒸馏方法辅助训练学生网络模型；采用学生网络模型对流量数据进行分类。本发明还提供了相应的流量分类装置。本发明的流量分类方法可以进一步减少流量分类模型的存储和计算成本、对促进入侵检测系统的边缘部署和网络智能化管理具有十分重要的意义。
-
公开(公告)号：CN111814953A
公开(公告)日：2020-10-23
申请号：CN202010548786.6
申请日：2020-06-16
Applicant: 上海瀚讯信息技术股份有限公司
Abstract: 本发明涉及一种基于通道剪枝的深度卷积神经网络模型的定位方法，包括：构造基于深度卷积神经网络模型的位置定位基线识别模型；获取待定位区域中移动设备的无线电信号数据；将获取到的无线电信号数据进行预处理，得到无线电信号数据集；利用所述无线电信号数据集对位置定位基线识别模型进行训练和验证，得到预训练深度卷积神经网络模型；对所述预训练深度卷积神经网络模型进行通道剪枝，得到压缩的深度卷积神经网络模型；评估所述压缩的深度卷积神经网络模型的性能，并通过精确率、召回率和准确率来评估所述的压缩的深度卷积神经网络模型在预设类别下的定位性能。本发明通过剪枝技术来压缩模型，提高计算速度且定位性能高。
-
公开(公告)号：CN111814953B
公开(公告)日：2024-02-13
申请号：CN202010548786.6
申请日：2020-06-16
Applicant: 上海瀚讯信息技术股份有限公司
Abstract: 本发明涉及一种基于通道剪枝的深度卷积神经网络模型的定位方法，包括：构造基于深度卷积神经网络模型的位置定位基线识别模型；获取待定位区域中移动设备的无线电信号数据；将获取到的无线电信号数据进行预处理，得到无线电信号数据集；利用所述无线电信号数据集对位置定位基线识别模型进行训练和验证，得到预训练深度卷积神经网络模型；对所述预训练深度卷积神经网络模型进行通道剪枝，得到压缩的深度卷积神经网络模型；评估所述压缩的深度卷积神经网络模型的性能，并通过精确率、召回率和准确率来评估所述的压缩的深度卷积神经网络模型在预设类别下的定位性能。本发明通过剪枝技(56)对比文件彭康坚.基于目标检测的神经网络压缩与优化算法研究《.中国优秀硕士学位论文全文数据库 信息科技辑》.2020,(第（2020）01期),I138-1252.徐国现.基于参数修剪和共享的深度神经网络模型压缩方法研究《.中国优秀硕士学位论文全文数据库 信息科技辑》.2020,(第（2020）06期),I140-92第3.1.2-3.1-3节.Ashish Khetan等.PruneNet: ChannelPruning via Global Importance《.arXiv:2005.11282v1》.2020,第1-12页.
-
公开(公告)号：CN113990341A
公开(公告)日：2022-01-28
申请号：CN202111392458.2
申请日：2021-11-19
Applicant: 上海瀚讯信息技术股份有限公司
IPC: G10L21/0208 , G10L21/0216 , G10L21/0332 , G10L25/30
Abstract: 本发明涉及一种融合滤波与学习的在线语音增强方法，包括：步骤S1，实时获取原始带噪语音信号，对所述原始带噪语音信号进行卡尔曼滤波，得到滤波后的实时语音信号；步骤S2，根据所述原始带噪语音信号、所述滤波后的实时语音信号以及一离线语料库，进行DNN训练，得到训练权重；步骤S3，根据所述原始带噪语音信号和所述训练权重，进行DNN增强，得到增强后的语音信号；步骤S4，对所述滤波后的语音信号和所述增强后的语音信号进行性能比较，获取输出语音信号。本发明还涉及一种融合滤波与学习的在线语音增强装置。本发明能够在有限开销的情况下提升语音增强的性能。
-
公开(公告)号：CN113990341B
公开(公告)日：2024-09-27
申请号：CN202111392458.2
申请日：2021-11-19
Applicant: 上海瀚讯信息技术股份有限公司
IPC: G10L21/0208 , G10L21/0216 , G10L21/0332 , G10L25/30
Abstract: 本发明涉及一种融合滤波与学习的在线语音增强方法，包括：步骤S1，实时获取原始带噪语音信号，对所述原始带噪语音信号进行卡尔曼滤波，得到滤波后的实时语音信号；步骤S2，根据所述原始带噪语音信号、所述滤波后的实时语音信号以及一离线语料库，进行DNN训练，得到训练权重；步骤S3，根据所述原始带噪语音信号和所述训练权重，进行DNN增强，得到增强后的语音信号；步骤S4，对所述滤波后的语音信号和所述增强后的语音信号进行性能比较，获取输出语音信号。本发明还涉及一种融合滤波与学习的在线语音增强装置。本发明能够在有限开销的情况下提升语音增强的性能。
-
-
-
-
-
Search Results
6
records
(took 0.036 seconds)
