-
公开(公告)号：CN114881213B
公开(公告)日：2024-09-06
申请号：CN202210490937.6
申请日：2022-05-07
Applicant: 天津大学
IPC: G10L25/30 , G10L25/51 , G06N3/0464 , G06N3/0455 , G06N3/084
Abstract: 本发明公开了一种基于三分支特征融合神经网络的声音事件检测方法，包括：将包含声音信号的数据集进行特征提取，得到log‑mel频谱图的数据集，并将其分为训练集、测试集和验证集；建立三分支特征融合网络模型，所述的三分支特征融合网络模型包括三分支采样、特征提取、三分支的特征融合和损失融合：将测试集和验证集作为训练后的模型的输入，该模型的输出即为该数据集的声音事件检测的结果，包括该音频所包含的声音事件类别和发生该事件的起始和终止时间。本发明通过三分支融合的方式获取到尾部类和难区分类别的判别性特征，并在一定程度上均衡了分类器的类别权重，提高了声音事件检测的效果。
-
公开(公告)号：CN115495669A
公开(公告)日：2022-12-20
申请号：CN202211120976.3
申请日：2022-09-15
IPC: G06F16/9536 , G06K9/62 , G06N3/04 , G06N3/08
Abstract: 本发明公开了一种融合多尺度级联与时序特征的社交媒体内容热度预测方法，包括：利用社交媒体内容早期传播特征，按照不同大小尺度的时间窗处理分别得到多尺度级联图以及热度趋势序列；应用图卷积神经网络对多尺度级联图序列进行嵌入及利用一维卷积提取多尺度趋势短期动态特征，通过不同的Transformer Encoder提取多尺度级联图和趋势动态特征；利用时间窗选择网络实现多尺度特征融合：网络模型训练完毕，输入要预测的社交媒体的早期多尺度级联图和热度趋势序列，输出未来一段时间内社交媒体内容热度增长预测值。本发明通过有效融合多尺度级联图特征与趋势特征，相比单一尺度的方法有更好的预测效果，能获得全局性更优、泛化性能更好的预测结果。
-
公开(公告)号：CN112632320A
公开(公告)日：2021-04-09
申请号：CN202011532378.8
申请日：2020-12-22
Applicant: 天津大学
Abstract: 本发明公开了一种基于长尾分布提升语音分类尾部识别准确度的方法，针对头部类别在反向传播中计算所得的梯度对于尾部类别的梯度是负影响，设计了一均衡损失函数，该均衡损失函数的设计包括：设置阈值因子、计算阈值函数和计算该均衡损失函数。在语音分类模型训练过程中采用该均衡损失函数，采用该均衡损失函数可以将头部类别在反向传播过程中计算所得的梯度对于尾部类别的影响被忽略掉，通过忽略头部类别对于尾部类别的梯度影响，使得分类结果对于头部类别和尾部类别均衡对待，有效解决了传统损失函数应用在长尾分类问题中对于头部类别的偏差问题，从而提升语音分类模型的整体分类效果。
-
公开(公告)号：CN110941266A
公开(公告)日：2020-03-31
申请号：CN201911102594.6
申请日：2019-11-12
Applicant: 天津大学
IPC: G05D1/02
Abstract: 本发明公开了一种多机器人系统中的障碍物检测与规避方法，每个机器人均具有16个彼此均匀地分开布置在机器人表面的超声波传感器，16个超声波传感器覆盖所在的机器人周围360度的区域，当前机器人沿着其路径行进，首先直接通向目标点，然而，当障碍物或另一个机器人进入该当前机器人传感器覆盖的区域时，该当前机器人基于传感器感知的周围环境的距离和最小阈值距离的值检测其他障碍物，然后，朝拥有其他障碍物或其他机器人的风险很小的方向移动，直到当前机器人到达目的地。本发明适用于不管障碍物是静止的还是动态的，即使是有任何移动物体从当前机器人的后面来，该机器人也会改变自己的方向，从而实现全方位规避障碍物。
-
公开(公告)号：CN107895202A
公开(公告)日：2018-04-10
申请号：CN201711001445.1
申请日：2017-10-24
Applicant: 天津大学
CPC classification number: G06Q10/04 , G06K9/6218 , G06K9/6256 , G06Q50/06
Abstract: 本发明公开了一种基于多视角风速模式挖掘的短期风速预测方法方法，包括：采集风电场的风速历史数据，形成历史风速的时间序列；通过互信息法确定时间序列的延迟；根据获得的延迟将风速时间序列转换成为矩阵型数据，获得风速样本；根据风速样本从风速的统计信息、风速变化趋势和风速波动趋势三个视角提取描述风速变化规律的特征信息；对风速样本进行归一化处理，获得归一化后的风速变化的特征信息；基于归一化后的风速变化的特征信息，通过多视角聚类算法对风速样本进行聚类，从而建立具有k个簇集的短期风速预测的模型；计算待预测的风速样本与上述确定的k个簇集之间的欧式距离，利用其中欧式距离最小的簇集所对应的SVR风速预测模型完成风速预测。
-
Patent Agency Ranking
公开(公告)号：CN114881212B
公开(公告)日：2024-09-06
申请号：CN202210490907.5
申请日：2022-05-07
Applicant: 天津大学
IPC: G10L25/30 , G10L25/51 , G06N3/0464 , G06N3/0455 , G06N3/084
Abstract: 本发明公开了一种基于双分支判别特征神经网络的声音事件检测方法，包括：将包含声音信号的数据集进行特征提取，得到log‑mel频谱图的数据集，并将其分为训练集、测试集和验证集；建立双分支判别特征网络模型，所述的双分支判别特征网络模型包括双分支采样、特征提取、双分支的特征融合和损失融合：将测试集和验证集作为训练后的模型的输入，该模型的输出即为该数据集的声音事件检测的结果，包括该音频所包含的声音事件类别和发生该事件的起始和终止时间。本发明通过双分支判别特征融合的方式获取到尾部类和难区分类别的判别性特征，并在一定程度上均衡了分类器的类别权重，提高了声音事件检测的效果。
-
公开(公告)号：CN114444790A
公开(公告)日：2022-05-06
申请号：CN202210062290.7
申请日：2022-01-19
Applicant: 天津大学
Abstract: 本发明公开了一种基于稳态特征构图的燃气轮机上多种测点时序预测方法，通过端到端方式提取输入样本的稳态特征并构造关联关系网络，通过稳态损失指导关联关系构图，基于稳态特征构图的建立时空神经网络序列预测模型；采用该时空神经网络序列预测模型提取定工况下系统的稳态特征，使用时空卷积进行序列预测，实现自适应的稳态特征学习，最终利用该预测模型获得燃气轮机多传感器时间序列预测曲线。在时间序列预测中，将序列的瞬时特征引入构图模块中，通过输入序列来进行关联网络的动态构建。与现有技术相比有更好的预测效果，能够提取定工况下系统的稳态特征，以提升时间序列预测的效果以及用于分析关联网络异常来检查系统工作状况。
-
公开(公告)号：CN114357271A
公开(公告)日：2022-04-15
申请号：CN202111470982.7
申请日：2021-12-03
Applicant: 天津大学
IPC: G06F16/951 , G06N3/04
Abstract: 本发明公开了一种基于图神经网络融合文本和时序信息的微博热度预测方法，利用滑动窗口数据集划分方法将预处理后的数据按照微博发出的时间进行排序和分割，按照固定的步长按照时间轴将数据集划分拆分为若干个数据子集；构建文本子图和时序子图，后输入至一个无监督的图神经网络模型，使用该模型得到所有的本文子图和时序子图中微博节点的特征表示，将其与微博发出一段时间的热度趋势信息融合，按照微博ID进行数据对齐，最后通过多层感知机对微博整个生命周期的热度进行预测。本发明考虑微博之间的相互影响的同时在一定程度上解决了模型无法对新发出的微博无法预测的问题，在使用时序信息较少的情况下能够迅速对新发出的微博取得较好的预测结果。
-
公开(公告)号：CN112632319A
公开(公告)日：2021-04-09
申请号：CN202011532360.8
申请日：2020-12-22
Applicant: 天津大学
Abstract: 本发明公开了一种基于迁移学习的提升长尾分布语音总体分类准确度的方法，首先，通过对呈现长尾分布的数据集进行训练建立由CNN和RNN网络构成的R‑CNN模型，CNN网络用于提取语音特征，RNN网络对的CNN网络提取的语音特征进行时序建模，进一步挖掘语音信息，提取到类间可分特征，用于后续语音分类；然后，对R‑CNN模型进行两次训练，其中：第一次模型训练是将长尾分布的数据用于模型训练，得到初步的模型参数；二次模型训练是将均衡分布的数据用于模型训练，把第一次模型训练得到的CNN网络浅层参数固定，迁移到二次的模型训练中；使用二次训练后的模型进行语音分类预测，从而提升语音分类模型的总体分类效果。
-
公开(公告)号：CN109703491A
公开(公告)日：2019-05-03
申请号：CN201811366465.3
申请日：2018-11-16
Applicant: 天津大学
IPC: B60R16/023 , G06K7/14 , G06K9/00
Abstract: 本发明提供一种安全泊车方法，包括步骤：在泊车场地设置有图像的停车指示牌；通过采集图像，利用图像处理算法对采集到的图像进行处理，并生成与图像所在地对应的位置坐标和方向信息，然后将位置坐标和方向信息发送给无人车的控制端；无人车控制端根据位置坐标和方向信息对无人车进行泊车控制，使其停止在停车指示牌前方指定的泊车区域；与现有技术相比，本发明实现了精准泊车，提高了停车的准确度，安全性和泊车的可靠性。
-
-
-
-
-
-
-
-
-
Search Results
37
records
(took 0.026 seconds)
