-
公开(公告)号：CN114005468A
公开(公告)日：2022-02-01
申请号：CN202111045320.5
申请日：2021-09-07
Applicant: 华院计算技术(上海)股份有限公司 , 复旦大学
Abstract: 本发明公开了一种基于全局工作空间的可解释情绪识别方法和系统，所述方法包括：通过多个预训练模型对相应的输入数据进行分析，获得结果编码；基于最大经验风险算法，将结果编码进行竞争，获得全局工作空间的向量；基于可解释的人工智能算法，获得输入数据的后解释数据；将后解释数据输入到相应的模态模型中，获得第二结果编码；根据向量对第二结果编码进行融合，获得融合向量；将融合向量送入全连接层，经归一化后，获得情绪识别结果。基于最大经验风险算法，对预训练模型的输出进行竞争，获得全局工作空间，通过向量确定融合的机制，使情绪识别快而准确；通过可解释的人工智能算法，提高情绪识别过程的可解释性，便于使用者了解机器学习模型决策的依据。
-
公开(公告)号：CN114005468B
公开(公告)日：2023-04-07
申请号：CN202111045320.5
申请日：2021-09-07
Applicant: 华院计算技术(上海)股份有限公司 , 复旦大学
Abstract: 本发明公开了一种基于全局工作空间的可解释情绪识别方法和系统，所述方法包括：通过多个预训练模型对相应的输入数据进行分析，获得结果编码；基于最大经验风险算法，将结果编码进行竞争，获得全局工作空间的向量；基于可解释的人工智能算法，获得输入数据的后解释数据；将后解释数据输入到相应的模态模型中，获得第二结果编码；根据向量对第二结果编码进行融合，获得融合向量；将融合向量送入全连接层，经归一化后，获得情绪识别结果。基于最大经验风险算法，对预训练模型的输出进行竞争，获得全局工作空间，通过向量确定融合的机制，使情绪识别快而准确；通过可解释的人工智能算法，提高情绪识别过程的可解释性，便于使用者了解机器学习模型决策的依据。
-
公开(公告)号：CN115905485A
公开(公告)日：2023-04-04
申请号：CN202211422630.9
申请日：2022-11-14
Applicant: 复旦大学
IPC: G06F16/332 , G06F16/33 , G06F16/36 , G06F40/30 , G06N3/0455 , G06N5/02
Abstract: 本发明提供一种基于常识自适应选择的共情对话方法及系统，首先利用神经网络的表征能力，通过感知对话的上下文情感识别信息，编码得到历史对话的上下文信息与常识图谱的先验信息。然后将编码得到的特征信息通过工作空间基于选择常识特征编码算法进行筛选，自适应地统一情感认知信息，确保筛选出的常识特征编码与历史对话的上下文情感识别信息的一致性，从而输出更符合使用者感受的共情对话文本。本发明利用对话中的情感信息来辅助理解对话意图，这样既提升了上下文的理解能力，又能让使用者觉得自身情绪状态被理解，从而提升沟通效率和用户体验。而且本发明还可以应用到各类无人系统或人机交互场景，具有适用范围广、使用价值高的优点。
-
公开(公告)号：CN115272782A
公开(公告)日：2022-11-01
申请号：CN202111613040.X
申请日：2021-12-27
Applicant: 复旦大学
Abstract: 本发明提供一种辅助无人系统视觉决策的解释序列产生方法，为无人系统的监督任务提供层次化的决策依据，赋予系统决策透明性，方便开发者持续优化模型，其特征在于，包括以下步骤：步骤S1，将图像数据输入至预训练好的卷积神经网络模型获取最后一层的特征图张量以及每一层梯度信息；步骤S2，基于特征图张量和每一层梯度信息，采用人工智能可解释方法，获取决策显著图集合；步骤S3，基于决策显著图集合获取激活的输入数据图像集合；步骤S4，将激活的输入数据图像集合输入至预训练好的卷积神经网络模型，采用全局工作空间映射获取各显著图组对应的权重系数；步骤S5，基于各显著图组对应的权重系数合成显著图，并基于权重系数的预定顺序得到决策序列。
-
-
-
Search Results
4
records
(took 0.01 seconds)
