-
公开(公告)号：CN114169408A
公开(公告)日：2022-03-11
申请号：CN202111368526.1
申请日：2021-11-18
Applicant: 杭州电子科技大学
Abstract: 本发明公开一种基于多模态注意力机制的情感分析方法。本发明利用异构图不同节点之间的复杂的关系去构建多个模态之间的交互。在多个模态信息交互的过程中，将不同的模态信息汇聚到一个紧凑的多模态表示中，用于偏移文本模态信息在语义空间中的位置。同时，多模态注意力机制技术能够以一种细粒度的方式对于多模态信息做融合，因此能够很好的解决在多模态学习中存在的固有问题，即行为信息的变化频率通常快于文本信息的变化频率。通过实验发现，该方法在不同任务的情感分析取得很好的表现，说明多模态注意力机制应用在情感分析任务的可行性，是对当前情感识别领域的多模态融合框架提供了新的研究手段。
-
公开(公告)号：CN113974628B
公开(公告)日：2023-04-07
申请号：CN202111272389.1
申请日：2021-10-29
Applicant: 杭州电子科技大学
IPC: A61B5/16 , A61B5/369 , A61B5/378 , A61B5/00 , G06F18/10 , G06F18/213 , G06F18/24 , G06F18/25 , G06F18/214 , G06N3/08 , G06N20/00 , G06N3/0464
Abstract: 本发明公开一种基于脑机模态共空间的情绪识别方法。针对情绪识别任务，人脑处理信息后得到的是具有情感的认知表征，而机器学习到的仅仅是图像的形式表征，如果能够建立两者之间的共性关系，通过“人脑”引导“机器”学习，将人脑的情感认知能力赋予机器。为了将人脑感知的信息赋予机器，需要建立图像模态和脑电模态的共空间模型，从而获取形式表征和认知表征之间的共性信息。本发明将探索脑电模态与图像模态之间的共性关系，建立形式表征与认知表征之间的联系，实现脑机协同智能。为了减少认知表征与形式表征间的差异，使得形式表征无限逼近认知表征，本发明设计一种“基于脑机模态共空间的情绪识别方法”。
-
公开(公告)号：CN113974627B
公开(公告)日：2023-04-07
申请号：CN202111248689.6
申请日：2021-10-26
Applicant: 杭州电子科技大学
IPC: A61B5/16 , A61B5/369 , A61B5/378 , A61B5/00 , G06F18/24 , G06F18/214 , G06N3/047 , G06N3/048 , G06N3/088 , G06V40/70
Abstract: 本发明公开一种基于脑机生成对抗的情绪识别方法。针对情绪识别任务，人脑处理信息后得到的是具有情感的认知表征，而机器学习到的仅仅是图像的形式表征，如果能够建立两者之间的生成关系，通过“人脑”引导“机器”学习，将人脑的情感认知能力赋予机器。为了将人脑感知的信息赋予机器，需要建立图像视觉特征到脑电情感特征的生成模型，从而实现形式表征到认知表征之间的生成。本发明将探索脑电情感特征与图像视觉特征之间的关系，建立形式表征与认知表征之间的联系，实现脑机协同智能。为了减少认知表征与形式表征间的差异，使得形式表征无限逼近认知表征，本发明设计一种“基于脑机生成对抗的情绪识别方法”。
-
Patent Agency Ranking
公开(公告)号：CN114202031A
公开(公告)日：2022-03-18
申请号：CN202111539029.3
申请日：2021-12-15
Applicant: 杭州电子科技大学
IPC: G06K9/62 , G06N20/00 , G06V10/774
Abstract: 本发明公开一种基于强化学习的多源域迁移目标识别方法。本发明使用强化学习来训练数据选择策略，以选择高质量的源域数据，目的是防止负转移及多个源域和目标域之间存在的域差异。在源域数据上的数据选择器“作用”以找到用于优化TL模型的子集，而TL模型的性能可以提供“奖励”以更新选择器。我们基于SoftActor‑Critic(柔性执行器‑评价器)算法框架构建加强数据选择器，并将其集成到基于DNN的迁移学习模型，从而变成强化迁移学习(RTL)方法。经过不同的状态，奖励和策略优化方法的设置，确认本发明提供的模型的稳健性。对PI和NLI任务的广泛实验表明，本发明提供的模型可以优于具有统计显着改进的现有方法。
-
公开(公告)号：CN114139573A
公开(公告)日：2022-03-04
申请号：CN202111287921.7
申请日：2021-11-02
Applicant: 杭州电子科技大学
Abstract: 本发明公开一种基于脑电信号类多光谱图像序列的身份识别方法，包括以下步骤：设计一个基于运动想象的脑电信号采集实验方案，其中，使用测试图片中不同方向的箭头来诱发对应的运动想象脑电信号。利用带通滤波器来消除原始脑电信号中的眼电伪迹和工频干扰，再利用加窗平均法来得到每一时刻指定节律的平均功率，再结合脑电极的二维分布来生多光谱图像序列，将得到的图像序列视作样本批量送入深度学习模型进行身份识别。本发明选取了运动想象脑电信号进行身份识别，提高了可行性。本发明使用脑电信号构造多光谱图像序列作为样本，充分利用脑电信号的时频域特征和空域特征，同时利用深度学习模型学习各个特征的内在联系，使得模型性能提升和更加鲁棒。
-
公开(公告)号：CN113974627A
公开(公告)日：2022-01-28
申请号：CN202111248689.6
申请日：2021-10-26
Applicant: 杭州电子科技大学
IPC: A61B5/16 , A61B5/369 , A61B5/378 , A61B5/00 , G06K9/62 , G06N3/04 , G06N3/08 , G06V40/70 , G06V10/764 , G06V10/766 , G06V10/774 , G06V10/82
Abstract: 本发明公开一种基于脑机生成对抗的情绪识别方法。针对情绪识别任务，人脑处理信息后得到的是具有情感的认知表征，而机器学习到的仅仅是图像的形式表征，如果能够建立两者之间的生成关系，通过“人脑”引导“机器”学习，将人脑的情感认知能力赋予机器。为了将人脑感知的信息赋予机器，需要建立图像视觉特征到脑电情感特征的生成模型，从而实现形式表征到认知表征之间的生成。本发明将探索脑电情感特征与图像视觉特征之间的关系，建立形式表征与认知表征之间的联系，实现脑机协同智能。为了减少认知表征与形式表征间的差异，使得形式表征无限逼近认知表征，本发明设计一种“基于脑机生成对抗的情绪识别方法”。
-
公开(公告)号：CN114936552A
公开(公告)日：2022-08-23
申请号：CN202210624963.3
申请日：2022-06-02
Applicant: 杭州电子科技大学
IPC: G06F40/284 , G06K9/62
Abstract: 本发明公开一种未对齐行为信息动态调整单词表示的多模态情感识别方法。本发明利用跨模态注意力机制，挖掘与文本模态相关的行为信息(由视觉是听觉模态组成)，然后利用行为信息来动态的修改文本模态中的单词在语义空间中的位置，从而得到经过多模态信息调整后的单词表示。同时，跨模态注意力机制能够在长距离范围内关注到与文本模态相关的行为信息，因此能够很好的解决多模态学习中存在的固有问题—各个模态信息之间的频率不匹配。其次，在此基础上构建若干个多模态Transformer层，能够进一步挖掘经过多模态信息调整后的单词表示在上下文环境中的高级特征信息，是对当前情感识别领域的多模态融合框架的有效补充。
-
公开(公告)号：CN113974628A
公开(公告)日：2022-01-28
申请号：CN202111272389.1
申请日：2021-10-29
Applicant: 杭州电子科技大学
IPC: A61B5/16 , A61B5/369 , A61B5/378 , A61B5/00 , G06K9/00 , G06K9/62 , G06N3/04 , G06N3/08 , G06N20/00
Abstract: 本发明公开一种基于脑机模态共空间的情绪识别方法。针对情绪识别任务，人脑处理信息后得到的是具有情感的认知表征，而机器学习到的仅仅是图像的形式表征，如果能够建立两者之间的共性关系，通过“人脑”引导“机器”学习，将人脑的情感认知能力赋予机器。为了将人脑感知的信息赋予机器，需要建立图像模态和脑电模态的共空间模型，从而获取形式表征和认知表征之间的共性信息。本发明将探索脑电模态与图像模态之间的共性关系，建立形式表征与认知表征之间的联系，实现脑机协同智能。为了减少认知表征与形式表征间的差异，使得形式表征无限逼近认知表征，本发明设计一种“基于脑机模态共空间的情绪识别方法”。
-
-
-
-
-
-
-
Search Results
8
records
(took 0.021 seconds)
