-
Patent Agency Ranking
公开(公告)号：CN110084220A
公开(公告)日：2019-08-02
申请号：CN201910378462.X
申请日：2019-05-08
Applicant: 重庆邮电大学
Abstract: 本发明涉及一种基于多尺度二进制模式的车载疲劳检测方法，解决的是检测精度低的技术问题，通过采用将训练样本图像划分成若干不重复的子区域，使用多尺度局部二进制模式进行特征提取，获得多尺度局部二进制图像特征；对多尺度局部二进制图像特征进行离散傅里叶变化，得到多尺度二进制模式的直方图傅里叶特征向量；步骤四，连接构成多尺度二进制模式的直方图傅里叶特征向量，用于表征图像特征，选择核函数，用非线性支持向量机对样本图像的MLBP特征进行分类训练，并得到训练后的SVM分类模型和参数的技术方案，较好的解决了该问题，可用于车载疲劳检测中。
-
公开(公告)号：CN109948772A
公开(公告)日：2019-06-28
申请号：CN201910225018.4
申请日：2019-03-22
Applicant: 重庆邮电大学
Abstract: 本发明涉及一种自动搜索深度神经网络架构的方法，属于自动化设计深度神经网络架构技术领域，包括步骤S1：学习一个元控制器用于生成网络转换操作；S2：元控制器中使用单层双向长短期记忆网络作为编码器网络，并使用优化器对编码器网络进行训练；S3：使用编码器网络学习给定网络架构的低维表示；S4：将低维表示馈送到每个单独的行动者网络以生成特定类型的网络转换操作；S5：利用网络转换操作进行自动化网络架构空间搜索；S6：验证精确度。本发明能够利用先前训练过的网络的成果以及目标任务中现有的成功的架构来有效地搜索架构空间，具有更加出色的性能和效率。
-
公开(公告)号：CN110110644A
公开(公告)日：2019-08-09
申请号：CN201910359078.5
申请日：2019-04-30
Applicant: 重庆邮电大学
Abstract: 本发明提出一种多尺度融合面部特征提取方法，包括：对人脸图像样本进行多尺度划分；提取进行多尺度划分后的训练集样本中的样本图像的特征值；使用粗糙集理论进行特征值选择，获得样本特征值；根据所述样本特征值，使用支持向量机训练并实现多分类识别。本发明能够使得提取出的特征值更能够表征样本图片，减少外部环境对特征提取的影响，提高识别与鉴定的准确性，同时选取的特征值有更强的鉴别特征，以保证提取特征值的鲁棒性，提高识别效率。本发明所使用的提取方案简单快捷，使用较少的计算资源可以达到较高的精确度，可以很好的应用在图像识别、人机交互等领域。
-
公开(公告)号：CN110211573A
公开(公告)日：2019-09-06
申请号：CN201910450074.8
申请日：2019-05-28
Applicant: 重庆邮电大学
IPC: G10L15/06 , G10L15/16 , G06F16/332 , G06F16/35 , G06F17/27
Abstract: 本发明提供了一种基于神经网络模型的任务驱动型对话决策方法，通过训练模型内的置信状态跟踪器及其他部分参数，由意图识别模型生成的编码矢量作为意图分布和置信状态跟踪器生成的置信状态概率分布，交由数据库使用采集好的语料库进行查询，使用数据库搜索结果、意图分布以及概率分布交由策略网络组合形成系统动作，传递给生成网络组合输出系统应答，完成对话功能，拥有鲁棒性较好等特点，解决了当下任务驱动型对话系统存在的模型表达能力较差，训练难度大，模型可学习性限制较多，模型训练数据量庞大，模型训练奖励机制不完整，具体领域内实用性较差等问题。
-
公开(公告)号：CN109918493A
公开(公告)日：2019-06-21
申请号：CN201910208674.3
申请日：2019-03-19
Applicant: 重庆邮电大学
IPC: G06F16/332 , G06N3/04
Abstract: 本发明涉及一种基于长短期记忆神经网络的对话生成方法，属于神经网络算法领域。通过模型训练和模拟对话两个阶段来拓展特定对话语料库。该算法充分利用双向LSTM神经网络能够有效学习、可以捕获长序依赖关系和上下文关系的优点，构建编码器-解码器对话生成模型模拟用户对话动作，使得模仿生成的对话语料更接近于真实对话，实现平滑、通用性强、更长轮次的对话生成，为训练基于统计的对话系统提供数据保障。因此采用长短期记忆神经网络进行对话生成的算法对于基于统计的人机交互系统具有重要的理论意义和应用价值。
-
-
-
-
Search Results
5
records
(took 0.018 seconds)
