-
公开(公告)号：CN111488904A
公开(公告)日：2020-08-04
申请号：CN202010139387.4
申请日：2020-03-03
Applicant: 清华大学
Abstract: 本发明实施例提供了一种基于对抗分布训练的图像分类方法及系统，采用对抗分布训练的方式对深度神经网络模型进行训练，以每个正常图像样本在对应的对抗噪声分布下的期望目标作为训练目标，不仅提高了对抗训练的效率，而且使得深度神经网络模型可以克服对于对抗样本敏感等问题，深度神经网络模型对于不同攻击的泛化鲁棒性增强。
-
公开(公告)号：CN103942421A
公开(公告)日：2014-07-23
申请号：CN201410140690.0
申请日：2014-04-09
Applicant: 清华大学
IPC: G06F19/00
Abstract: 本发明涉及一种基于噪声扰动的测试数据预测方法，包括以下步骤：S1、对测试数据进行预处理，提取测试数据的特征并进行归一化处理；S2、根据测试数据的特征建立预测模型；S3、对预测模型进行参数求解；S4、利用求解后的预测模型对测试数据进行预测；步骤S3包括：选取预测模型的损失函数、将最小化预测模型的损失函数的期望设置为目标函数、计算损失函数的变分上界、优化目标函数及使用迭代复加权最小二乘法以求解目标函数。通过采用本发明所公开的基于噪声扰动的测试数据预测方法，运用数据增广方法解决了铰链损失函数以及罗杰斯特损失函数在扰动分布下的期望很难计算的问题，为噪声扰动模型学习方法提供了高效、准确的预测模型。
-
公开(公告)号：CN101364407B
公开(公告)日：2011-12-28
申请号：CN200810222318.9
申请日：2008-09-17
Applicant: 清华大学 , 上海锐深计算机科技有限公司
IPC: G10L15/10
Abstract: 保持主观一致性的卡拉OK演唱评分方法，属于卡拉OK演唱评分技术领域，其特征在于：在PC机上设定演唱录音数据采集模块，把从话筒声卡输入的演唱声音保存为演唱录音数据；演唱旋律特征提取模块，从演唱录音数据中提取出包含旋律特征的分帧演唱音高序列；标准旋律特征提取模块，从包含标准旋律的midi文件中提取出分帧标准音高序列；旋律差异与主观评分对应关系的建立模块，含有旋律差异值与人主观评分之间的对应关系表；旋律差异到最终评分的转换模块，根据上述分帧演唱音高序列和分帧标准音高序列计算出旋律差异值，再根据上述对应关系表通过插值方法计算出与输入演唱数据对应的最终得分，则该得分具有保持与人主观一致的特点。
-
公开(公告)号：CN101364238A
公开(公告)日：2009-02-11
申请号：CN200810222317.4
申请日：2008-09-17
Applicant: 清华大学 , 上海锐深计算机科技有限公司
Abstract: 分层递阶的歌曲旋律检索方法，属于旋律检索技术领域，其特征在于：在PC机上设定哼唱录音数据采集模块，把从话筒声卡输入的哼唱声音保存为哼唱录音数据；哼唱旋律特征提取模块，从哼唱录音数据中提取出包含旋律特征的哼唱音符序列和分帧哼唱音高序列；曲库旋律特征提取模块，从包含歌曲旋律的midi文件中提取音符序列和分帧音高序列；快速检索模块，利用基于音符的检索方法从整个曲库中进行快速检索得到一个较小的备选旋律集；精准检索模块，利用基于分帧的检索方法，在上述备选旋律集中进行检索从而得到最终结果。该旋律检索方法具有检索准确性高而且检索速度快的特点。
-
公开(公告)号：CN108629414B
公开(公告)日：2020-04-14
申请号：CN201810437773.4
申请日：2018-05-09
Applicant: 清华大学
IPC: G06N3/08
Abstract: 本公开涉及一种深度哈希学习方法及装置，所述方法应用于深度哈希神经网络，所述方法包括：获取训练数据、训练数据的语义标签、分类全连接层输出向量、哈希层输出向量和聚类向量全连接层参数向量；利用训练数据、训练数据的语义标签、分类全连接层输出向量、哈希层输出向量和聚类向量全连接层参数向量，计算一元哈希损失函数、分类损失函数和量化错误函数；根据一元哈希损失函数、分类损失函数和所述量化错误函数，计算整体损失函数；将整体损失函数输入深度哈希神经网络中进行反向传播；训练反向传播后的深度哈希神经网络，得到哈希函数。本公开实施例提供的深度哈希学习方法，能够提高训练速度，同时提高哈希函数的性能。
-
Patent Agency Ranking
公开(公告)号：CN103198152B
公开(公告)日：2016-06-15
申请号：CN201310146127.X
申请日：2013-04-24
Applicant: 清华大学
Abstract: 本发明公开了一种基于稀疏隐式特征表达的有监督在线话题模型学习方法，涉及数据挖掘、机器学习领域。该方法包括：采用在线学习方法对训练集中的文档及文档中的每个单词分别进行基于稀疏表达的隐式特征提取，得到多组特征向量；根据训练集的特征向量和训练集中文档的类别信息训练分类器，得到分类器的特征向量，分类器特征向量的每个类别对应于训练集中文档的类别；对待识别的所有文档提取特征向量；待识别文档的特征向量与分类器每个类别的特征向量分别做内积，内积的最大值对应训练集的类别作为待识别文档的识别结果。该方法通过采用在线学习的方式大幅度提高了模型训练的速度，同时能够利用监督信息提高分类准确率。
-
公开(公告)号：CN103198228B
公开(公告)日：2016-02-24
申请号：CN201310136241.4
申请日：2013-04-18
Applicant: 清华大学
IPC: G06F19/00
Abstract: 本发明提供一种基于广义关系隐话题模型的关系网络链接预测方法,涉及计算机应用领域。包括以下步骤：S1、将文本关系网络数据进行预处理，提取词袋文本特征及文档间的链接关系；S2、根据所述词袋文本特征及文档间的链接关系，建立广义关系隐话题链接预测模型；S3、将所述广义关系隐话题链接预测模型进行训练；S4、将训练好的广义关系隐话题链接预测模型用来预测文档之间的链接关系。本发明克服了现有技术中存在的对称性关系判别函数的不合理、因关系判别函数中数据似然与损失函数两部分的不均衡以及近似推理的均值场假设所造成的链接关系预测性能不理想的缺陷，显著提高在链接关系预测、网络推荐、文本检索等任务中的实用性能。
-
公开(公告)号：CN103198152A
公开(公告)日：2013-07-10
申请号：CN201310146127.X
申请日：2013-04-24
Applicant: 清华大学
Abstract: 本发明公开了一种基于稀疏隐式特征表达的有监督在线话题模型学习方法，涉及数据挖掘、机器学习领域。该方法包括：采用在线学习方法对训练集中的文档及文档中的每个单词分别进行基于稀疏表达的隐式特征提取，得到多组特征向量；根据训练集的特征向量和训练集中文档的类别信息训练分类器，得到分类器的特征向量，分类器特征向量的每个类别对应于训练集中文档的类别；对待识别的所有文档提取特征向量；待识别文档的特征向量与分类器每个类别的特征向量分别做内积，内积的最大值对应训练集的类别作为待识别文档的识别结果。该方法通过采用在线学习的方式大幅度提高了模型训练的速度，同时能够利用监督信息提高分类准确率。
-
公开(公告)号：CN117223033A
公开(公告)日：2023-12-12
申请号：CN202180095178.7
申请日：2021-03-03
Applicant: 罗伯特·博世有限公司 , 清华大学
Abstract: 本公开内容提供了一种用于视觉推理的方法。该方法包括：向网络提供输入集合和输出集合，其中输入集合中的每一输入集合基于该输入集合上的视觉信息来映射到与该输入集合相对应的输出集合中的一个输出，以及其中，网络包括概率生成模型(PGM)和模块集合；基于所提供的输入集合和输出集合，通过PGM来确定模块集合中的一个或多个模块的组合上的后验分布；以及将领域知识作为一个或多个后验正则化约束，应用于所确定的后验分布。
-
公开(公告)号：CN109766463B
公开(公告)日：2021-03-12
申请号：CN201910022866.5
申请日：2019-01-10
Applicant: 清华大学
IPC: G06F16/51
Abstract: 本公开涉及应用于图像检索的半监督哈希学习方法及装置，所述方法包括：将样本数据输入教师函数进行处理，得到教师函数输出哈希码，将样本数据输入学生函数进行处理，得到学生函数输出哈希码；根据样本数据、教师函数输出哈希码和学生函数输出哈希码确定学生函数的损失；向学生函数反向传播损失的梯度，以调整学生函数的参数，完成学生函数的一次训练；根据调整后的学生函数的参数和待调整的所述教师函数的参数，确定调整后的教师函数的参数，完成教师函数的一次训练。本公开实施例可以使用少数有标注样本数据和大量无标注样本数据进行训练。教师函数和学生函数进行联合训练得到的教师函数和学生函数可以用于高效、准确地得到数据的哈希码，以用于更加高效的检索。
-
-
-
-
-
-
-
-
-
Search Results
32
records
(took 0.015 seconds)
