-
公开(公告)号：CN120032624A
公开(公告)日：2025-05-23
申请号：CN202510050312.1
申请日：2025-01-13
Applicant: 北京印刷学院
Abstract: 基于VITS的特征融合语音合成方法及装置，能够提高语音的表现力和自然性，生成更加自然、流畅且富有表现力的高质量语音，尤其在多语言、多情感表达和复杂语境的语音合成中表现尤为突出。方法包括：(1)根据输入的文本信息，生成与之相匹配的韵律特征；(2)建立基于Transformer的深度学习模型；(3)采用多模态特征融合方法，将韵律特征和文本特征进行综合处理；(4)综合特征向量被输入到基于变分自编码器的语音合成网络中进行处理，语音合成网络采用生成对抗网络和基于最大似然的训练方法进行训练；(5)采用随机时长预测器的神经网络模型，通过一个多层的归一化流结构进行输入数据的变换。
-
公开(公告)号：CN111615203A
公开(公告)日：2020-09-01
申请号：CN202010527196.5
申请日：2020-06-11
Applicant: 北京印刷学院
Abstract: 本发明涉及一种面向数据中心的基于任务驱动的联合信道时隙分配方法，依据数据在节点的分布情况为分配的条件，最大化并行每个时隙的节点数量，从而使节点更快的到达sink节点。随后，由数据中心节点为根节点，构建一个N跳范围内的路由树，增加了从周边节点到数据中心的路由和链路，从而使得数据中心节点更快的获取数据。本发明基于任务驱动的多信道的TDMA时隙分配方法，最大化并行同一时隙可以并行的节点，建立周边节点到数据中心的快速链路，大幅提高数据中心收到的延迟。和其他同类型算法提高15％的性能，能较好的满足现在智能工厂应用的新需求。
-
公开(公告)号：CN114925809B
公开(公告)日：2024-05-24
申请号：CN202210399169.3
申请日：2022-04-13
Applicant: 北京印刷学院
IPC: G06N3/0442 , G06N3/08 , G01M13/045
Abstract: 基于LSTM的印刷机轴承故障诊断方法及装置，能够解决印刷机轴承故障预警问题，减少非计划停机，提高轴承使用寿命，降低印刷设备故障率。方法包括：(1)建立作用在时域振动信号上的长短期记忆网络模型；(2)使用该模型对轴承的时域振动信号进行诊断；(3)选取凯斯西储大学轴承数据库的部分数据进行仿真实验，获取故障识别率。
-
Patent Agency Ranking
公开(公告)号：CN110177388A
公开(公告)日：2019-08-27
申请号：CN201910474826.4
申请日：2019-06-03
Applicant: 北京印刷学院
Abstract: 本发明涉及一种无线传感器网络节点分布式聚类方法，一种无线传感器网络节点分布式聚类方法，网络中所有节点进行聚类后，各节点从邻居节点中确认自己的簇头，将具有相同簇头的节点视为一分簇；节点在发送信息时，同一分簇内的非簇头节点将信息发送给簇头节点，簇头节点对接收到的信息进行聚合后发送给上一级的簇头节点，最终信息发送给基站。本发明通过节点聚类的方式，选择剩余电量较高的节点作为簇头节点，并周期性的更换簇头节点，降低网络中高级别节点的能耗，提高低级别节点的能耗，网络中能量的有效利用率得到提升，延长了网络的生命周期。
-
公开(公告)号：CN114925809A
公开(公告)日：2022-08-19
申请号：CN202210399169.3
申请日：2022-04-13
Applicant: 北京印刷学院
IPC: G06N3/04 , G06N3/08 , G01M13/045
Abstract: 基于LSTM的印刷机轴承故障诊断方法及装置，能够解决印刷机轴承故障预警问题，减少非计划停机，提高轴承使用寿命，降低印刷设备故障率。方法包括：(1)建立作用在时域振动信号上的长短期记忆网络模型；(2)使用该模型对轴承的时域振动信号进行诊断；(3)选取凯斯西储大学轴承数据库的部分数据进行仿真实验，获取故障识别率。
-
公开(公告)号：CN118470791A
公开(公告)日：2024-08-09
申请号：CN202410570063.4
申请日：2024-05-09
Applicant: 北京印刷学院
IPC: G06V40/20 , G06V20/40 , G06V10/44 , G06V10/764 , G06V10/80 , G06V10/82 , G06N3/0464 , G06N3/08
Abstract: 基于三维卷积神经网络的动作识别方法及装置，能够增强卷积神经网络在处理复杂任务时的表现能力，提升其对关键信息的关注和捕捉能力，从而提高模型的性能和效果，可以使网络在处理输入数据时有选择性地关注和加权不同的特征或区域，使网络能够更加专注于重要的信息，有效地提高了动作识别的准确性和可解释性。方法包括：(1)构建3D卷积神经网络架构；(2)在卷积层后面添加三维自注意力机制网络，以便观察和对比取得的效果。
-
公开(公告)号：CN116884093A
公开(公告)日：2023-10-13
申请号：CN202311017780.6
申请日：2023-08-14
Applicant: 北京印刷学院
IPC: G06V40/20 , G06V20/40 , G06V10/774 , G06V10/82 , G06N3/0464 , G06N3/045 , G06N3/082
Abstract: 本申请涉及一种基于注意力机制的高准确率视频动作识别方法，本申请将SE注意力机制应用于C3D模型的第五个卷积层后，使模型能够更加集中地关注视频中最具代表性和区分性的动作片段。同时，本申请还引入了梯度裁剪策略，以解决梯度爆炸和消失的问题，从而提高了训练过程的稳定性和收敛性。通过在UCF101和HMDB51数据集上进行实验评估，本申请的方法达到了97.63％和67.9％的准确率。这些结果表明，通过将SE注意力机制与梯度裁剪策略相结合，能够极大地提升视频动作分类的性能。该方法在视频内容分类、安防监控、体育分析和医学影像等领域具有重要应用前景。
-
公开(公告)号：CN111615203B
公开(公告)日：2022-03-18
申请号：CN202010527196.5
申请日：2020-06-11
Applicant: 北京印刷学院
Inventor： 杨彦红
Abstract: 本发明涉及一种面向数据中心的基于任务驱动的联合信道时隙分配方法，依据数据在节点的分布情况为分配的条件，最大化并行每个时隙的节点数量，从而使节点更快的到达sink节点。随后，由数据中心节点为根节点，构建一个N跳范围内的路由树，增加了从周边节点到数据中心的路由和链路，从而使得数据中心节点更快的获取数据。本发明基于任务驱动的多信道的TDMA时隙分配方法，最大化并行同一时隙可以并行的节点，建立周边节点到数据中心的快速链路，大幅提高数据中心收到的延迟。和其他同类型算法提高15％的性能，能较好的满足现在智能工厂应用的新需求。
-
-
-
-
-
-
-
Search Results
8
records
(took 0.028 seconds)
