-
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：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。
-
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。
-
-
-
Search Results
4
records
(took 0.015 seconds)
