-
公开(公告)号：CN115345284A
公开(公告)日：2022-11-15
申请号：CN202211042453.1
申请日：2022-08-29
Applicant: 杭州电子科技大学
Abstract: 本发明公开了一种基于多通道矩阵随机自编码器的自动特征提取方法。本发明针对多通道矩阵数据(设大小为D1×D2×K，K是通道数，D1是行数即长度，D2是列数即宽度)，以矩阵形式分别获取各通道的隐藏层输出，并求和作为最终网络的隐藏层输出。然后根据隐藏层输出，分别重建各个通道的输入，在重建过程中学习到包含各个通道结构信息的特征表示，保留原始数据结构信息的同时也综合提取了所有通道的有效特征，实现了原始输入的极小化误差重建，使得能够高效的处理多种复杂高维多通道特征。
-
公开(公告)号：CN113643722A
公开(公告)日：2021-11-12
申请号：CN202110995007.1
申请日：2021-08-27
Applicant: 杭州电子科技大学
Abstract: 本发明公开了一种基于多层矩阵随机神经网络的城市噪声识别方法。本发明包括如下步骤：1、对采集到的城市噪声进行预处理，包括去噪、预加重、分帧、加窗等，其中帧长为L，帧移为2、将经过预处理的噪声信号转换成时频图；3、构建矩阵随机自编码器，以城市噪声二维时频图作为矩阵随机自编码器的输入，通过输出重建输入的方式进行训练，获得最优的输出权重作为编码器；同时将上一个相邻矩阵随机自编码器的编码输出作为下一个矩阵随机自编码器的输入，堆叠K个矩阵随机自编码器；4、构建矩阵均方误差损失函数，进行城市噪声分类识别。本发明加快了矩阵随机自编码器的训练速度。免去矢量化步骤、保留时频图信息同时实现有效的城市噪声识别。
-
公开(公告)号：CN113643722B
公开(公告)日：2024-04-19
申请号：CN202110995007.1
申请日：2021-08-27
Applicant: 杭州电子科技大学
Abstract: 本发明公开了一种基于多层矩阵随机神经网络的城市噪声识别方法。本发明包括如下步骤：1、对采集到的城市噪声进行预处理，包括去噪、预加重、分帧、加窗等，其中帧长为L，帧移为#imgabs0#2、将经过预处理的噪声信号转换成时频图；3、构建矩阵随机自编码器，以城市噪声二维时频图作为矩阵随机自编码器的输入，通过输出重建输入的方式进行训练，获得最优的输出权重作为编码器；同时将上一个相邻矩阵随机自编码器的编码输出作为下一个矩阵随机自编码器的输入，堆叠K个矩阵随机自编码器；4、构建矩阵均方误差损失函数，进行城市噪声分类识别。本发明加快了矩阵随机自编码器的训练速度。免去矢量化步骤、保留时频图信息同时实现有效的城市噪声识别。
-
-
Search Results
3
records
(took 0.02 seconds)
