-
公开(公告)号：CN109646022A
公开(公告)日：2019-04-19
申请号：CN201910023305.7
申请日：2019-01-10
Applicant: 杭州电子科技大学
IPC: A61B5/16 , A61B5/0476 , G16H50/30 , G16H50/20
Abstract: 本发明公开儿童注意力评估系统及其方法。本发明通过采集儿童的前额脑电并获取原始注意力数据，对其进行处理与分析，建立基于脑电的注意力评价模型，并得到注意力的各项客观指标。本发明提出的注意力评估模型将注意力状态分为六种：放松状态、注意力转移状态、任务状态、专注状态、走神状态、注意力消失状态；并且计算注意力的若干指标：放松状态平均注意力、专注状态平均注意力、最高注意力、注意力强度、注意力的持久性、注意力的稳定性、注意力状态转移效率。本发明将会有效帮助家长了解孩子注意力状况，提升儿童注意力水平，促进孩子学习成绩提高。
-
公开(公告)号：CN118297053A
公开(公告)日：2024-07-05
申请号：CN202410485156.7
申请日：2024-04-22
Applicant: 杭州电子科技大学
IPC: G06F40/253 , G06F40/30 , G06N3/0475 , G06N3/0455 , G06N3/094 , G06F18/25
Abstract: 本发明公开一种基于标签嵌入的多模态多标签情感分析方法及系统。首先获取文本、音频和视频三种模态特征序列以及标签嵌入，通过对抗式多模态细化模块得到它们的公有特征序列和以及各自的私有特征序列。然后将公有特征序列和私有特征序列以及标签嵌入输入到训练好的情感标签预测模块中，得到待预测对象的情感预测结果。本发明采用Transformer编码器进行单一模态特征提取，并且采用了对抗生成器进一步将模态特征细化，为了更加细粒度地融合多模态特征，还采用了跨模态编码器，还有为了充分探索标签和模态之间联系，引入了标签引导解码器，克服了模态和标签交互不足的问题，并且还能提高多模态多标签情感分析的准确率。
-
公开(公告)号：CN113537292B
公开(公告)日：2024-02-09
申请号：CN202110678075.5
申请日：2021-06-18
Applicant: 杭州电子科技大学
IPC: G06V10/764 , G06V10/774 , G06V10/40
Abstract: 本发明公开一种基于张量化高阶互注意力机制的多源域适应方法。通过共享子网络构建初级特征提取器以提取多源域数据的浅层共有特征。其次，分别构造不同源域的深层特征提取器，目标域数据分别通过这些深层特征提取器以提取与不同源域相关的特征。在深层特征的基础上，通过高阶互注意力机制挖掘多源域空间深层特征之间的高阶相关性，并应用于目标域，从而与度量目标域与源域特征分布差异的损失函数一起指导目标域与源域的域不变特征提取。最后，分别训练每个源域的特征分类器，将目标域数据特征分别输入这些分类器，得到所有预测结果的平均作为最终目标域数据的预测结果。本发明有效挖掘多源域特征间的相关性，适用于多源域适应。
-
公开(公告)号：CN116150670A
公开(公告)日：2023-05-23
申请号：CN202211571546.3
申请日：2022-12-08
Applicant: 杭州电子科技大学
IPC: G06F18/241 , A61B5/369 , A61B5/374 , G06F18/213 , G06F21/32 , G06N3/045 , G06N3/0895 , G06N3/094
Abstract: 本发明公开一种基于特征去相关解耦的任务无关脑纹识别方法。现有方法缺乏对大脑固有的身份信息的挖掘导致，这使得脑纹识别在跨任务场景下的鲁棒性较差，难以在实际应用中推广。本发明首先采用两个分支网络分别粗粒度分解脑电中的身份信息和任务相关信息；其次，考虑到任务状态对身份信息的影响，采用去相关的方法使得身份信息和任务相关信息尽可能独立；最后，通过对抗自监督的方式充分利用脑电中的脑纹特征用于分类。本发明方法性能良好，能够实现高效的任务无关脑纹识别，是一种可鲁棒地用于现实生活中的脑纹识别方法。
-
Patent Agency Ranking
公开(公告)号：CN115969392A
公开(公告)日：2023-04-18
申请号：CN202310129985.7
申请日：2023-02-17
Applicant: 杭州电子科技大学
Abstract: 本发明公开基于张量化频空注意力域适应网络的跨时段脑纹识别方法。针对现有大多数多源域自适应方法是单独弥合多个源域和目标域之间的域差距，而忽略各分布对齐域不变特征之间的关系。本发明通过建模域不变特征的重要关系辅助目标域的性能，而不受源域之间分布差异的影响。采用一种新的张量化频空注意网络(TSFAN)，以联合合并成对源和目标以及跨源域的适当公共频空特征。考虑到维度的问题，TSFAN进一步近似地表示为低秩Tucker格式，使TSFAN在域的数量上线性扩展，将TSFAN扩展到与任意时段数量的情况。本发明能够实现高效的跨时段任务无关脑纹识别，是可用于现实生活中便携式脑纹识别的一种有效方法。
-
公开(公告)号：CN114168823A
公开(公告)日：2022-03-11
申请号：CN202111463362.0
申请日：2021-12-02
Applicant: 杭州电子科技大学 , 网易(杭州)网络有限公司
IPC: G06F16/906 , G06N3/04 , G06N3/08
Abstract: 本申请提供了一种情感识别的方法、装置、设备和介质，该方法包括：获取目标对象的多个模态分别对应的模态特征；基于多个所述模态特征分别构造第一张量和第二张量，所述第一张量的维度和所述第二张量的维度基于所述模态的个数确定；将所述第一张量和所述第二张量分别作为基于注意力机制的神经网络的查询值和关键值；根据所述查询值和所述关键值获得每个模态分别对应的核张量及基于所述核张量得到的池化矩阵；针对所述多个模态中的目标模态，将所述目标模态对应的核张量和除所述目标模态外的其他模态分别对应的池化矩阵进行融合，得到所述目标模态对应的注意力表示；基于每个模态的所述注意力表示获得所述目标对象的情感分类结果。
-
公开(公告)号：CN111178389B
公开(公告)日：2022-02-11
申请号：CN201911244389.3
申请日：2019-12-06
Applicant: 杭州电子科技大学
Abstract: 本发明涉及基于多通道张量池化的多模态深度分层融合情感分析方法。基于注意力机制方法，可以对多模态数据设定相应权重，划分不同模态数据的重要程度，从而根据不同模态数据对任务的不同贡献程度，在融合部分放大贡献程度大的多模态数据在交互时的作用。而相对于单通道多项式张量池化模块，多通道多项式张量池化模块能够从细粒度层面获得鲁棒性高的局部高维度复杂非线性交互信息。本发明在判定多模态数据重要程度基础上，能从细粒度层面刻画稳定的局部高维复杂动态交互信息，是对当前情感识别领域的多模态融合框架的有效补充。
-
公开(公告)号：CN113537292A
公开(公告)日：2021-10-22
申请号：CN202110678075.5
申请日：2021-06-18
Applicant: 杭州电子科技大学
Abstract: 本发明公开一种基于张量化高阶互注意力机制的多源域适应方法。通过共享子网络构建初级特征提取器以提取多源域数据的浅层共有特征。其次，分别构造不同源域的深层特征提取器，目标域数据分别通过这些深层特征提取器以提取与不同源域相关的特征。在深层特征的基础上，通过高阶互注意力机制挖掘多源域空间深层特征之间的高阶相关性，并应用于目标域，从而与度量目标域与源域特征分布差异的损失函数一起指导目标域与源域的域不变特征提取。最后，分别训练每个源域的特征分类器，将目标域数据特征分别输入这些分类器，得到所有预测结果的平均作为最终目标域数据的预测结果。本发明有效挖掘多源域特征间的相关性，适用于多源域适应。
-
公开(公告)号：CN112612936A
公开(公告)日：2021-04-06
申请号：CN202011581373.4
申请日：2020-12-28
Applicant: 杭州电子科技大学
IPC: G06F16/906 , G06K9/62 , G06N3/04 , G06N3/08
Abstract: 本发明公开一种基于对偶转换网络的多模态情感分类方法。本发明结合对偶学习机制以及自注意力机制，在将一个模态转换为另一个模态的过程中，挖掘模态对之间具有方向性的长时交互的跨模态融合信息。同时，对偶学习技术能够增强模型的鲁棒性，因此能很好地应对多模态学习中存在的固有问题——模态数据缺失问题。其次，在此基础上构建的分层融合框架，将所有具有同一个源模态的跨模态融合信息拼接在一块，从而采用一维卷积层进行融合操作，能够进一步挖掘多模态信息之间的高层次互补信息，是对当前情感识别领域的多模态融合框架的有效补充。
-
-
-
-
-
-
-
-
Search Results
29
records
(took 0.031 seconds)
