-
公开(公告)号：CN110276248B
公开(公告)日：2021-03-23
申请号：CN201910388826.2
申请日：2019-05-10
Applicant: 杭州电子科技大学
Abstract: 本发明公开了一种基于样本权值分配和深度学习的人脸表情识别方法。本发明首先通过裁剪和进行随机镜像方法，获得了预处理后的训练集，并使用VGG‑11网络模型对训练集进行k折交叉验证，获得每一个训练样本的权值参数，并且在识别模型建立过程中，设计了自适应Inception‑Resnet网络结构，并使用训练样本的权值参数作为训练参数设计损失函数，优化了识别模型。本发明通过提出一种基于交叉验证的数据权重分配方法，减少异常样本对网络的干扰，并且设计了一个自适应Inception‑Resnet网络，使网络中的分支能够自动调整权重，减少过拟合。
-
Patent Agency Ranking
公开(公告)号：CN110071824B
公开(公告)日：2022-10-28
申请号：CN201910242788.X
申请日：2019-03-28
Applicant: 杭州电子科技大学
IPC: H04L41/12
Abstract: 本发明公开了一种配电网络拓扑自动构建和可视化方法。本发明利用配电智能终端的局部拓扑信息构建出完整的拓扑网络，并且通过图形化组件提供基于网络拓扑结构的配电监测；本发明涉及智能终端模块、数据采集模块、无线传输模块、拓扑构建模块、图形化模块。只需要将智能终端的上游终端设备编号和下游终端设备编号统一录入智能终端，待智能终端上电后由智能终端自动将其局部拓扑信息远程导入平台服务器。平台服务器将各个智能终端提供的局部拓扑信息以有向图的形式转化为完整的配电网络拓扑信息，最后通过图形化组件将完整的配电网络拓扑信息转化为可视化拓扑网络图，使得配电管理用户可通过可视化网络拓扑图对配电系统进行运行状态监测。
-
公开(公告)号：CN110071824A
公开(公告)日：2019-07-30
申请号：CN201910242788.X
申请日：2019-03-28
Applicant: 杭州电子科技大学
IPC: H04L12/24
Abstract: 本发明公开了一种配电网络拓扑自动构建和可视化方法。本发明利用配电智能终端的局部拓扑信息构建出完整的拓扑网络，并且通过图形化组件提供基于网络拓扑结构的配电监测；本发明涉及智能终端模块、数据采集模块、无线传输模块、拓扑构建模块、图形化模块。只需要将智能终端的上游终端设备编号和下游终端设备编号统一录入智能终端，待智能终端上电后由智能终端自动将其局部拓扑信息远程导入平台服务器。平台服务器将各个智能终端提供的局部拓扑信息以有向图的形式转化为完整的配电网络拓扑信息，最后通过图形化组件将完整的配电网络拓扑信息转化为可视化拓扑网络图，使得配电管理用户可通过可视化网络拓扑图对配电系统进行运行状态监测。
-
公开(公告)号：CN109599129B
公开(公告)日：2021-09-14
申请号：CN201811343483.X
申请日：2018-11-13
Applicant: 杭州电子科技大学
Abstract: 本发明涉及一种基于注意力机制和卷积神经网络的语音抑郁症识别系统。本发明首先对语音数据进行预处理，对较长的语音数据进行分割，依据的是分割后的片段能够充分包含抑郁症相关的特征。然后对分割后每个片段提取梅尔频谱图，调整其输入到神经网络模型的频谱图尺寸大小，以便模型的训练。之后用预训练好的Alexnet深度卷积神经网络进行权值的微调，提取梅尔频谱图中更高级的语音特征。然后用注意力机制算法，对片段级语音特征进行权重调整，得到句级的语音特征。最后对句级语音特征用SVM分类模型进行抑郁症的分类。本系统考虑了和抑郁症相关的语音特征的提取，提供一种基于语音的抑郁症识别的新系统。
-
公开(公告)号：CN110276248A
公开(公告)日：2019-09-24
申请号：CN201910388826.2
申请日：2019-05-10
Applicant: 杭州电子科技大学
Abstract: 本发明公开了一种基于样本权值分配和深度学习的人脸表情识别方法。本发明首先通过裁剪和进行随机镜像方法，获得了预处理后的训练集，并使用VGG-11网络模型对训练集进行k折交叉验证，获得每一个训练样本的权值参数，并且在识别模型建立过程中，设计了自适应Inception-Resnet网络结构，并使用训练样本的权值参数作为训练参数设计损失函数，优化了识别模型。本发明通过提出一种基于交叉验证的数据权重分配方法，减少异常样本对网络的干扰，并且设计了一个自适应Inception-Resnet网络，使网络中的分支能够自动调整权重，减少过拟合。
-
公开(公告)号：CN109599129A
公开(公告)日：2019-04-09
申请号：CN201811343483.X
申请日：2018-11-13
Applicant: 杭州电子科技大学
Abstract: 本发明涉及一种基于注意力机制和卷积神经网络的语音抑郁症识别方法。本发明首先对语音数据进行预处理，对较长的语音数据进行分割，依据的是分割后的片段能够充分包含抑郁症相关的特征。然后对分割后每个片段提取梅尔频谱图，调整其输入到神经网络模型的频谱图尺寸大小，以便模型的训练。之后用预训练好的Alexnet深度卷积神经网络进行权值的微调，提取梅尔频谱图中更高级的语音特征。然后用注意力机制算法，对片段级语音特征进行权重调整，得到句级的语音特征。最后对句级语音特征用SVM分类模型进行抑郁症的分类。本发明方法考虑了和抑郁症相关的语音特征的提取，提供一种基于语音的抑郁症识别的新方法。
-
-
-
-
-
Search Results
6
records
(took 0.016 seconds)
