-
公开(公告)号：CN117648851A
公开(公告)日：2024-03-05
申请号：CN202311391738.0
申请日：2023-10-25
Applicant: 杭州电子科技大学
IPC: G06F30/27 , G06N3/0475 , G06N3/045 , G06N3/0464 , G06N3/084 , G06N3/082 , G06F18/213 , G06F18/22
Abstract: 本发明公开了一种基于生成对抗网络的声纳数据仿真生成方法。本发明如下：1、对原始声纳音频数据进行切片处理，获得包括多个声纳切片数据的训练集。2、将声纳切片数据转化为梅尔频谱图。3、构建生成对抗网络模型。4、对生成对抗网络进行训练：5、基于取生成对抗网络的生成器在不同轮次的输出，获得多个不同的合并声纳音频仿真数据。本发明将深度学习技术融入到声纳数据仿真中，用到了生成对抗网络；将音频转换为梅尔频谱图图像再通过生成对抗网络模型进行仿真，从而生成仿真音频数据。并且找到合理有效的评估方法对仿真音频数据的效果进行量化评估。本发明可以生成高质量一维声纳音频并且有合理量化评估仿真声纳音频方法。
-
公开(公告)号：CN117786448A
公开(公告)日：2024-03-29
申请号：CN202310463013.1
申请日：2023-04-26
Applicant: 杭州电子科技大学
IPC: G06F18/24 , G10L15/08 , G06F18/214 , G06F18/213 , G01S7/52
Abstract: 本发明公开了一种基于类别增量学习的一维声呐数据识别方法。传统的声呐目标识别方法主要基于特征工程，通过手工设计特征提取器来提取目标的特征，然后使用分类器进行分类。本发明如下：一、将一维声呐目标数据首先经过切片和预处理，提取出MFCC特征向量，然后输入模型进行分类识别。二、模型采用动态可扩展表征策略进行类增量学习，以便在新类别出现时仅需更新模型的超特征提取器和分类器，从而实现高效的模型更新。三、本发明具有显著的优势，包括将类增量学习应用于水声问题处理、降低对大量标注数据的依赖、实现高性能的特征提取和分类能力，以及在实际应用中应对多样化声呐数据的能力。
-
公开(公告)号：CN117648604A
公开(公告)日：2024-03-05
申请号：CN202311636395.X
申请日：2023-11-30
Applicant: 杭州电子科技大学
IPC: G06F18/24 , A61B5/369 , A61B5/372 , A61B5/00 , G06F18/213 , G06F18/25 , G06N3/0464 , G06N3/048 , G06N3/08
Abstract: 本发明公开一种基于动态图特征网络的脑机目标读取方法及系统。该系统包括动态时序图构建模块、双分支图池化模块和时序动态注意力模块。时序动态图构建模块捕获了脑电信号通道之间随时间变化的连通性关系。双分支池化模块在对特征进行提纯的过程中保留了局部结构信息与全局结构信息，减少了有效信息的丢失。最后，时序动态注意力模块使模型更加关注与任务相关的表征，从而提高模型整体的分类性能。相比于现有的事件相关电位识别方法，本发明的结果更优。本发明克服了静态图网络在动态捕捉EEG信号通道之间随时间变化的连通性方面的局限性。并且，本发明通过双分支图池化模块与时序动态注意力模块的帮助，模型可以捕获与任务高度相关的特征。
-
公开(公告)号：CN116597034A
公开(公告)日：2023-08-15
申请号：CN202310556749.3
申请日：2023-05-17
Applicant: 杭州电子科技大学
IPC: G06T11/00 , G06N3/0475 , G06N3/045
Abstract: 本发明公开了一种基于区域结构一致性的汉字书法字体图像生成方法。该方法如下1.获取基础字体图像和目标字体真实图像。基础字体图像包含需要生成目标字体的汉字。2.以编码器‑解码器为基础结构，构建用于输入基础字体图像生成目标字体仿真图像的生成器。3.构建用于判别目标字体仿真图像与目标字体真实图像的判别器。判别器对输入的图像数据的每一个独立的区域进行评价打分。4.构建用于字体骨架结构约束的区域结构一致性网络。5.网络训练。6.生成所需汉字的目标字体。本发明在书法字体图像生成网络中设置区域结构一致性模块，在生成过程中对汉字骨架结构进行有效约束，使生成的目标字体仿真图像字体结构清晰，能有效还原笔划细节。
-
-
-
Search Results
4
records
(took 0.017 seconds)
