公开(公告)号：CN116386589A

公开(公告)日：2023-07-04

申请号：CN202310387588.X

申请日：2023-04-12

Applicant: 西北工业大学

Inventor： 梁韵基 ,  严笑凯 ,  王梓哲 ,  秦煜辰

IPC: G10L13/02 ,  G06F18/10 ,  G10L25/60 ,  G10L25/24 ,  G10L25/30

Abstract: 本发明公开了一种基于智能手机加速度传感器的深度学习语音重建方法，首先进行数据采集，结合多种运动传感器以多种频率采样模式对智能手机扬声器引起的主板振动信号进行采集；然后进行数据处理，通过线性插值、噪声剔除、特征提取等步骤对传感器信号进行处理；接下来进行语音重建，提出了基于小波的多尺度时频域生成对抗网络的语音重建算法将预处理后的运动传感器数据转化为语音波形数据；最后进行效果评价，通过主客观指标对生成语音进行评估。本发明提升了语音合成的高频表现和鲁棒性，使得合成语音更接近原始语音。

公开(公告)号：CN119478548A

公开(公告)日：2025-02-18

申请号：CN202411744380.X

申请日：2024-11-30

Applicant: 西北工业大学

Inventor： 梁韵基 ,  王梓哲 ,  严笑凯 ,  刘俊腾

IPC: G06V10/764 ,  G06V10/774 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/08

Abstract: 本发明公开了一种基于鲁棒离群值采样的分布外样本识别方法。该方法包括：获取分布内样本数据集，基于目标卷积神经网络对分布内样本数据集进行训练，得到训练后的目标卷积神经网络；对分布内样本数据集中的每个样本用混合度量指标进行量化，得到每个样本的混合度量指标；基于分布内样本数据集中每类样本中的每个样本的混合度量指标，构建每类样本的分布区域；对每类样本的分布区域中的每个样本的混合度量指标进行排序，获取每类样本排序最大的多个样本。本发明解决了现有技术的目标检测中当存在分布外样本时，进行目标检测的卷积神经网络不能对分布外样本进行准确识别的技术问题。

公开(公告)号：CN116450838B

公开(公告)日：2025-03-21

申请号：CN202310239515.6

申请日：2023-03-13

Applicant: 西北工业大学

Inventor： 梁韵基 ,  刘磊 ,  王梓哲 ,  纪亚鹏 ,  张鹏

IPC: G06F16/36 ,  G06F18/214 ,  G06N3/0442 ,  G06N3/08

Abstract: 本发明公开了一种面向复杂因果关系抽取模型的收敛加速方法，首先构造正负样本进行数据增强，其次通过对比表示学习框架抽取文本中的因果关系；最终通过引入多样性自步学习来提升对比表示学习抽取复杂因果关系的收敛速度。本发明使基于对比表示学习的复杂因果关系抽取模型收敛速度大幅度提升，通过在多个数据集上进行测试，抽取准确率高达90％。

公开(公告)号：CN116450838A

公开(公告)日：2023-07-18

申请号：CN202310239515.6

申请日：2023-03-13

Applicant: 西北工业大学

Inventor： 梁韵基 ,  刘磊 ,  王梓哲 ,  纪亚鹏 ,  张鹏

IPC: G06F16/36 ,  G06F18/214 ,  G06N3/0442 ,  G06N3/08

Abstract: 本发明公开了一种面向复杂因果关系抽取模型的收敛加速方法，首先构造正负样本进行数据增强，其次通过对比表示学习框架抽取文本中的因果关系；最终通过引入多样性自步学习来提升对比表示学习抽取复杂因果关系的收敛速度。本发明使基于对比表示学习的复杂因果关系抽取模型收敛速度大幅度提升，通过在多个数据集上进行测试，抽取准确率高达90％。