-
公开(公告)号：CN118940429A
公开(公告)日：2024-11-12
申请号：CN202410970773.6
申请日：2024-07-19
Applicant: 南京邮电大学
IPC: G06F30/17 , G06F30/27 , G06N3/045 , G06N3/044 , G06N3/0464 , G06N3/08 , G06F119/14
Abstract: 本发明公开了一种柔索驱动连续体关节形状估计方法。该方法首先利用理论角度信息，及连续体关节连杆的末端三维空间中三个方向力和力矩信息，构造训练样本。然后对每个训练样本进行最小最大值归一化预处理以及形状重塑。接着，送入多通道共同注意力循环神经网络模型，结合训练样本标签，训练得到最优神经网络模型。对于使用理论角度信息，及三个方向力和力矩信息进行表示的测试样本，首先对测试样本进行与训练样本相同的最小最大值归一化预处理和形状重塑，然后送入训练得到的最优神经网络模型，以预测测试样本对应时间点的标记点坐标位置信息。实验结果表明，与传统的回归方法相比，本发明方法具有更好的预测性能，能精确估计连续体关节的形状。
-
公开(公告)号：CN113409821B
公开(公告)日：2023-04-18
申请号：CN202110584445.9
申请日：2021-05-27
Applicant: 南京邮电大学
Abstract: 本发明公开了一种语音信号未知情绪状态识别方法，对带有未知情绪状态信息的语段信号样本进行副语言特征提取，并结合情绪状态标签的语义嵌入，通过合成分类器的方法进行分类判决。在训练阶段首先对已知情绪类别训练语段样本提取副语言特征，同时根据已知情绪类别名称处理得到已知情绪类别原型权重，进而结合已知情绪类别训练语段样本标签，求解得到最优虚拟分类器；在测试阶段使用最优虚拟分类器，结合未知情绪类别测试语段样本的副语言特征，以及未知情绪类别原型权重，对测试样本进行未知情绪类别判决。本发明在语音信号情感识别方面基于语义嵌入提出了识别未知情绪语音信号的方法，能够针对语音信号有效地分辨出未知情绪。
-
公开(公告)号：CN112466284A
公开(公告)日：2021-03-09
申请号：CN202011342629.6
申请日：2020-11-25
Applicant: 南京邮电大学
Abstract: 本发明公开了一种口罩语音鉴别方法，该方法首先针对语段训练样本，得到所有语段训练样本对应的低层训练样本集合，提取出每个低层训练样本的低层描述子特征并进行特征归整化。然后，这些低层训练样本被输入到专门设计的深度神经网络，训练得到最优低层深度神经网络模型；对于测试语段样本，首先分解得到语段对应的低层测试样本，输入训练得到的网络，输出这些低层测试样本对应的低层判决，再对判决结果进行聚合，得到对该语段测试样本的类别判决。与现有方法相比，本发明的方法在口罩语音鉴别方面，能够有效地提升系统的决策性能。
-
公开(公告)号：CN118098288B
公开(公告)日：2024-06-28
申请号：CN202410506018.2
申请日：2024-04-25
Applicant: 南京邮电大学
IPC: G10L25/66 , G10L25/30 , G06N3/0442 , G06N3/0464 , G06N3/048 , G06N3/0895
Abstract: 本发明公开了一种基于自学习标签校正的弱监督语音抑郁症检测方法，属于抑郁症检测技术领域；方法为：收集抑郁症检测数据；建抑郁症检测模型，得到每个样本的预测抑郁概率分布；制定标签校正策略，对训练集数据进行标签校正；采用损失函数对抑郁症检测模型进行训练，得到最终的抑郁症检测模型。本发明通过制定不同的标签校正策略，有效识别并校正训练集的错误标签，减轻数据集中不准确标记对自动抑郁检测模型性能的影响；同时，采用深度学习的方法构建抑郁症检测模型，获取语音信号中更深层次的时空信息，从全局角度更全面地检测音频中的抑郁信号，损失函数在优化网络参数的同时尽可能保留准确的标签，增强了对抑郁症检测的准确性。
-
公开(公告)号：CN116453673A
公开(公告)日：2023-07-18
申请号：CN202310364895.6
申请日：2023-04-07
Applicant: 南京邮电大学
Abstract: 本发明属于机器人运动学领域，公开了一种柔索驱动微创手术器械末端执行器的运动估计方法，该方法基于对柔索驱动微创手术器械末端执行器的运动估计模型进行训练，首先针对包含电机运动状态信息和输入信号的时间序列，截取得到训练样本，进而进行数据预处理，包括最大最小值归一化处理和特征序列重塑；然后，这些经过处理后的训练样本被送入到带有注意力机制的三层双向门控单元循环神经网络，结合训练样本标签，训练出最优神经网络模型；通过将预处理后的包含电机运动状态信息和输入信号的样本时间序列，输入上述训练得到的最优深度神经网络，最后输出样本对应时间点的预测关节位置。
-
Patent Agency Ranking
公开(公告)号：CN116434785A
公开(公告)日：2023-07-14
申请号：CN202310418118.5
申请日：2023-04-19
Applicant: 南京邮电大学
IPC: G10L25/63 , G10L25/03 , G10L25/30 , G06F18/2135 , G06F18/214 , G06F18/2411 , G06F18/2415 , G06N3/045 , G06N3/0475 , G06N3/047 , G06N3/048 , G06N3/094 , G06N3/084 , G06N3/09
Abstract: 本发明属于语音信号情绪识别领域，公开了一种基于原型重构和生成学习的零样本语音情绪识别方法。该方法首先对已知情绪类别语段样本提取副语言特征，结合已知情绪类别语义嵌入原型、已知情绪类别语段样本标签，训练得最优原型重构模型，再结合已知和未知情绪类别语义嵌入原型，分别得到已知和未知情绪类别重构原型；接着，对已知情绪类别语段样本提取副语言特征，进而根据已知情绪类别语段样本标签，结合已知情绪类别重构原型，训练得最优生成学习模型，再结合未知情绪类别重构原型，得未知情绪类别生成样本的副语言特征；最后，利用未知情绪类别生成样本的副语言特征，训练得最优分类器，对未知情绪类别测试语段样本进行未知情绪类别判决。
-
公开(公告)号：CN116434785B
公开(公告)日：2025-05-16
申请号：CN202310418118.5
申请日：2023-04-19
Applicant: 南京邮电大学
IPC: G10L25/63 , G10L25/03 , G10L25/30 , G06F18/2135 , G06F18/214 , G06F18/2411 , G06F18/2415 , G06N3/045 , G06N3/0475 , G06N3/047 , G06N3/048 , G06N3/094 , G06N3/084 , G06N3/09
Abstract: 本发明属于语音信号情绪识别领域，公开了一种基于原型重构和生成学习的零样本语音情绪识别方法。该方法首先对已知情绪类别语段样本提取副语言特征，结合已知情绪类别语义嵌入原型、已知情绪类别语段样本标签，训练得最优原型重构模型，再结合已知和未知情绪类别语义嵌入原型，分别得到已知和未知情绪类别重构原型；接着，对已知情绪类别语段样本提取副语言特征，进而根据已知情绪类别语段样本标签，结合已知情绪类别重构原型，训练得最优生成学习模型，再结合未知情绪类别重构原型，得未知情绪类别生成样本的副语言特征；最后，利用未知情绪类别生成样本的副语言特征，训练得最优分类器，对未知情绪类别测试语段样本进行未知情绪类别判决。
-
公开(公告)号：CN116453673B
公开(公告)日：2025-03-04
申请号：CN202310364895.6
申请日：2023-04-07
Applicant: 南京邮电大学
Abstract: 本发明属于机器人运动学领域，公开了一种柔索驱动微创手术器械末端执行器的运动估计方法，该方法基于对柔索驱动微创手术器械末端执行器的运动估计模型进行训练，首先针对包含电机运动状态信息和输入信号的时间序列，截取得到训练样本，进而进行数据预处理，包括最大最小值归一化处理和特征序列重塑；然后，这些经过处理后的训练样本被送入到带有注意力机制的三层双向门控单元循环神经网络，结合训练样本标签，训练出最优神经网络模型；通过将预处理后的包含电机运动状态信息和输入信号的样本时间序列，输入上述训练得到的最优深度神经网络，最后输出样本对应时间点的预测关节位置。
-
公开(公告)号：CN118098288A
公开(公告)日：2024-05-28
申请号：CN202410506018.2
申请日：2024-04-25
Applicant: 南京邮电大学
IPC: G10L25/66 , G10L25/30 , G06N3/0442 , G06N3/0464 , G06N3/048 , G06N3/0895
Abstract: 本发明公开了一种基于自学习标签校正的弱监督语音抑郁症检测方法，属于抑郁症检测技术领域；方法为：收集抑郁症检测数据；建抑郁症检测模型，得到每个样本的预测抑郁概率分布；制定标签校正策略，对训练集数据进行标签校正；采用损失函数对抑郁症检测模型进行训练，得到最终的抑郁症检测模型。本发明通过制定不同的标签校正策略，有效识别并校正训练集的错误标签，减轻数据集中不准确标记对自动抑郁检测模型性能的影响；同时，采用深度学习的方法构建抑郁症检测模型，获取语音信号中更深层次的时空信息，从全局角度更全面地检测音频中的抑郁信号，损失函数在优化网络参数的同时尽可能保留准确的标签，增强了对抑郁症检测的准确性。
-
公开(公告)号：CN112466284B
公开(公告)日：2023-08-22
申请号：CN202011342629.6
申请日：2020-11-25
Applicant: 南京邮电大学
Abstract: 本发明公开了一种口罩语音鉴别方法，该方法首先针对语段训练样本，得到所有语段训练样本对应的低层训练样本集合，提取出每个低层训练样本的低层描述子特征并进行特征归整化。然后，这些低层训练样本被输入到专门设计的深度神经网络，训练得到最优低层深度神经网络模型；对于测试语段样本，首先分解得到语段对应的低层测试样本，输入训练得到的网络，输出这些低层测试样本对应的低层判决，再对判决结果进行聚合，得到对该语段测试样本的类别判决。与现有方法相比，本发明的方法在口罩语音鉴别方面，能够有效地提升系统的决策性能。
-
-
-
-
-
-
-
-
-
Search Results
11
records
(took 0.02 seconds)
