-
公开(公告)号：CN105787557A
公开(公告)日：2016-07-20
申请号：CN201610100209.4
申请日：2016-02-23
Applicant: 北京工业大学
CPC classification number: G06N3/0454 , G06N3/08
Abstract: 一种计算机智能识别的深层神经网络结构设计方法，对于图像而言，由于相邻像素间的相关性，这就使得可以使用更少的数据表示同一个事物，降低数据维度。选定网络初始层数；输入层神经元个数为训练样本维数；是否需要归一化；训练样本做主成分分析确定第一个隐含层神经元个数；确定第二层隐含层神经元个数；训练网络，测评网络结构；结果不理想时增加一个隐含层，将上一层降维后的矩阵经过非线性变换函数作用后做主成分分析确定该隐含层神经元个数并训练网络，重复试验，直到取得良好效果。本发明解决了深层神经网络中结构设计的随机性、盲目性和不稳定性，大大提高了深层神经网络训练的速度和学习能力，为深层神经网络的发展奠定基础。
-
Patent Agency Ranking
公开(公告)号：CN104735620A
公开(公告)日：2015-06-24
申请号：CN201510121303.3
申请日：2015-03-19
Applicant: 北京工业大学
CPC classification number: H04W64/003 , H04W4/029
Abstract: 一种基于多个基站的精确定位方法，通过移动终端与服务器端的数据交换来达到通过基站的数据实现精准定位的目的；在此过程中，需要对基站数据进行一系列的筛选工作，同时对获得的原始数据进行离散变换以求得最优解；求解的过程中会根据实际场景选择合适的物理模型，信号-距离关系中最常用的并且涉及到的有对数路径损耗模型和自由空间损耗模型，以此来确定不同元素的变化趋势和相互之间的关系，并用模糊数学的求解方法确定中间结果，最后用影响因子模型确定最终的结果。
-
公开(公告)号：CN105741857B
公开(公告)日：2019-06-14
申请号：CN201610231868.1
申请日：2016-04-14
Applicant: 北京工业大学
Abstract: 一种音调序列的鲁棒阶跃规整方法，用于将不准确的音调值规整到更符合上下文的音调值上，在音调值的确定上有很好的效果。具体过程包括：首选对输入音频数字信号提取原始音调序列，然后反复截取长度固定的子音调序列，并映射到规整矩阵中，其次扩展该规整矩阵，构造相应的图结构，求解其中的路径以生成路径关联矩阵，最后通过分析路径关联矩阵找到符合上下文的音调值作为音调校准值。本发明对音调序列规整的目标结果符合实际情况，对声音音调值的提取也更加准确可靠；对音调序列规整的过程可控，通过自行设定相关参数可以让规整的过程更加灵活；在音调序列值分散较大的情况仍然会有很好的效果，具备很好的鲁棒性。
-
公开(公告)号：CN104735620B
公开(公告)日：2019-01-29
申请号：CN201510121303.3
申请日：2015-03-19
Applicant: 北京工业大学
Abstract: 一种基于多个基站的精确定位方法，通过移动终端与服务器端的数据交换来达到通过基站的数据实现精准定位的目的；在此过程中，需要对基站数据进行一系列的筛选工作，同时对获得的原始数据进行离散变换以求得最优解；求解的过程中会根据实际场景选择合适的物理模型，信号‑距离关系中最常用的并且涉及到的有对数路径损耗模型和自由空间损耗模型，以此来确定不同元素的变化趋势和相互之间的关系，并用模糊数学的求解方法确定中间结果，最后用影响因子模型确定最终的结果。
-
公开(公告)号：CN105787557B
公开(公告)日：2019-04-19
申请号：CN201610100209.4
申请日：2016-02-23
Applicant: 北京工业大学
Abstract: 一种计算机智能识别的深层神经网络结构设计方法，对于图像而言，由于相邻像素间的相关性，这就使得可以使用更少的数据表示同一个事物，降低数据维度。选定网络初始层数；输入层神经元个数为训练样本维数；是否需要归一化；训练样本做主成分分析确定第一个隐含层神经元个数；确定第二层隐含层神经元个数；训练网络，测评网络结构；结果不理想时增加一个隐含层，将上一层降维后的矩阵经过非线性变换函数作用后做主成分分析确定该隐含层神经元个数并训练网络，重复试验，直到取得良好效果。本发明解决了深层神经网络中结构设计的随机性、盲目性和不稳定性，大大提高了深层神经网络训练的速度和学习能力，为深层神经网络的发展奠定基础。
-
公开(公告)号：CN105741857A
公开(公告)日：2016-07-06
申请号：CN201610231868.1
申请日：2016-04-14
Applicant: 北京工业大学
Abstract: 一种音调序列的鲁棒阶跃规整方法，用于将不准确的音调值规整到更符合上下文的音调值上，在音调值的确定上有很好的效果。具体过程包括：首选对输入音频数字信号提取原始音调序列，然后反复截取长度固定的子音调序列，并映射到规整矩阵中，其次扩展该规整矩阵，构造相应的图结构，求解其中的路径以生成路径关联矩阵，最后通过分析路径关联矩阵找到符合上下文的音调值作为音调校准值。本发明对音调序列规整的目标结果符合实际情况，对声音音调值的提取也更加准确可靠；对音调序列规整的过程可控，通过自行设定相关参数可以让规整的过程更加灵活；在音调序列值分散较大的情况仍然会有很好的效果，具备很好的鲁棒性。
-
-
-
-
-
Search Results
6
records
(took 0.014 seconds)
