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

Inventor： 徐新洲 ,  陈永发 ,  沈帆 ,  李紫千 ,  王正雨

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：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

Inventor： 徐新洲 ,  陈永发 ,  王正雨 ,  李紫千 ,  刘光明 ,  殷志鹏 ,  刘旭昌

IPC: G16H40/60 ,  A61B17/00 ,  G16H50/70 ,  G06N3/048 ,  G06N3/044 ,  G06N3/084

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

Inventor： 徐新洲 ,  殷志鹏 ,  陈永发 ,  杨震 ,  邓军 ,  张子兴

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

Inventor： 徐新洲 ,  殷志鹏 ,  陈永发 ,  杨震 ,  邓军 ,  张子兴

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

Inventor： 徐新洲 ,  陈永发 ,  王正雨 ,  李紫千 ,  刘光明 ,  殷志鹏 ,  刘旭昌

IPC: G16H40/60 ,  A61B17/00 ,  G16H50/70 ,  G06N3/048 ,  G06N3/044 ,  G06N3/084

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。