-
公开(公告)号：CN113077795B
公开(公告)日：2022-07-15
申请号：CN202110368665.8
申请日：2021-04-06
Applicant: 重庆邮电大学
Abstract: 本发明涉及一种通道注意力传播与聚合下的声纹识别方法，属于信号处理领域。该方法包括以下步骤：S1：原始语音离散信号的二阶小波散射变换；S2：多尺度特征的声纹映射编码；S3：声纹编码的相似度评估。本发明通过小波散射变换获取多尺度的短时语音特征，采用基于通道注意力传播和聚合的时延神经网络对多尺度特征进行映射得到声纹编码，以提高声纹识别的准确性与鲁棒性。本研究兼顾了长时与短时语音的处理，为含有短时语音数据的声纹识别，提供了新的技术手段，亦可迁移到其他语音处理领域，作为声纹编码的获取方法之一。
-
公开(公告)号：CN113077795A
公开(公告)日：2021-07-06
申请号：CN202110368665.8
申请日：2021-04-06
Applicant: 重庆邮电大学
Abstract: 本发明涉及一种通道注意力传播与聚合下的声纹识别方法，属于信号处理领域。该方法包括以下步骤：S1：原始语音离散信号的二阶小波散射变换；S2：多尺度特征的声纹映射编码；S3：声纹编码的相似度评估。本发明通过小波散射变换获取多尺度的短时语音特征，采用基于通道注意力传播和聚合的时延神经网络对多尺度特征进行映射得到声纹编码，以提高声纹识别的准确性与鲁棒性。本研究兼顾了长时与短时语音的处理，为含有短时语音数据的声纹识别，提供了新的技术手段，亦可迁移到其他语音处理领域，作为声纹编码的获取方法之一。
-
公开(公告)号：CN111722139B
公开(公告)日：2022-08-09
申请号：CN202010609011.5
申请日：2020-06-29
Applicant: 重庆邮电大学
IPC: G01R31/392 , G01R31/367 , G01R31/378 , G06K9/62 , G06N3/04 , G06N3/08 , G06N20/00
Abstract: 本发明涉及一种基于可微连续映射的锂电池健康监测模型自学习方法，属于锂电池健康监测领域，包括以下步骤：S1：根据锂电池健康状态监测的任务类型，以1d‑CNN和AST‑LSTM NN为核心模块进行组合，根据任务要求的性能指标以及网络本身的损失函数大小为约束，挑选适应任务需要的神经网络模型；S2：在获得与各类健康状态监测任务匹配的神经网络模型之后，采用可微结构的自动学习方法，对这些神经网络进行自动训练。本发明将助于缺乏ANN经验的锂电池研究人员和工程师，快速简单地使用ANN建模，降低模型训练的成本，提高锂电池健康状态监测的研发能效。
-
公开(公告)号：CN111722139A
公开(公告)日：2020-09-29
申请号：CN202010609011.5
申请日：2020-06-29
Applicant: 重庆邮电大学
IPC: G01R31/392 , G01R31/367 , G01R31/378 , G06K9/62 , G06N3/04 , G06N3/08 , G06N20/00
Abstract: 本发明涉及一种基于可微连续映射的锂电池健康监测模型自学习方法，属于锂电池健康监测领域，包括以下步骤：S1：根据锂电池健康状态监测的任务类型，以1d-CNN和AST-LSTM NN为核心模块进行组合，根据任务要求的性能指标以及网络本身的损失函数大小为约束，挑选适应任务需要的神经网络模型；S2：在获得与各类健康状态监测任务匹配的神经网络模型之后，采用可微结构的自动学习方法，对这些神经网络进行自动训练。本发明将助于缺乏ANN经验的锂电池研究人员和工程师，快速简单地使用ANN建模，降低模型训练的成本，提高锂电池健康状态监测的研发能效。
-
-
-
Search Results
4
records
(took 0.019 seconds)
