一种基于树莓派的轻量级语音输入实时检测方法

    公开(公告)号:CN116312547A

    公开(公告)日:2023-06-23

    申请号:CN202211684383.X

    申请日:2022-12-27

    Abstract: 本发明公开了一种基于树莓派的轻量级语音输入实时检测方法,在树莓派端使用麦克风对环境音频进行录制,在用户说话时对语音声纹与预设声纹进行对比,以判断是否唤醒语音录制功能,进行后续语音交互。本发明利用以下原理:(1)基于短时能量的音频人声检测,用于低功耗从环境音频中检测是否含有人声;(2)基于LSTM神经网络的人声声纹提取,将时域的音频信号转换并处理成基于频域的声纹特征;(3)适用于树莓派端的神经网络轻量化技术,优化网络体积与推理时延,提高在树莓派端运行的实时性。本发明构建树莓派端离线可用的实时语音唤醒模块与语音输入提取模块,使其具有更强的实时性与更低的网络环境需求,以提供更优的交互体验。

    一种基于群智知识图谱的富语义多样化对话内容生成方法

    公开(公告)号:CN116166815A

    公开(公告)日:2023-05-26

    申请号:CN202211686396.0

    申请日:2022-12-26

    Abstract: 本发明涉及一种基于群智知识图谱的富语义多样化对话内容生成方法,具体过程为,收集用户在社交媒体平台上表达的观点和态度内容,构建三层群智知识图谱:(1)领域常识知识图谱(2)群智描述知识图谱(3)群智表达知识图谱;构建门控融合动态知识依赖模型,编码阶段利用群智知识图谱对输入对话上下文进行语义增强,解码阶段利用门控融合的动态知识依赖解码机制,门控机制从局部语义角度融合常识和描述知识,提升内容表达多样性和主观性,动态知识依赖机制从全局语法角度融合表达知识,保证回复内容逻辑通顺流畅;利用对话数据对模型进行训练,训练完成后即可根据输入对话内容自动生成信息量丰富、多样性较高的高质量。

    一种隐私保护的社交媒体假消息检测方法

    公开(公告)号:CN115134082A

    公开(公告)日:2022-09-30

    申请号:CN202210615749.1

    申请日:2022-05-31

    Abstract: 本发明公开了一种隐私保护的社交媒体假消息检测方法,利用文本指纹以及局部敏感哈希技术,将假消息文本转化为可以进行快速相似性比对的关键字向量,进而利用可搜索加密技术在密文数据集上进行关键字查找,最终实现对密文假消息的比对和判定,且检测速度快,鲁棒性较强。此外本发明使用了不经意伪随机函数,在判断该消息是否为假消息的同时,保证用户的查询信息不会被泄露给第三方假消息鉴定机构和社交媒体假消息检测商。本发明还可通过第三方假消息鉴定机构授权加密的方式控制服务次数,进一步保证假消息鉴定机构发布的已鉴定假消息列表不会被社交媒体平台恶意追踪或纂改。

    一种隐私保护的社交媒体假消息检测方法

    公开(公告)号:CN115134082B

    公开(公告)日:2025-04-18

    申请号:CN202210615749.1

    申请日:2022-05-31

    Abstract: 本发明公开了一种隐私保护的社交媒体假消息检测方法,利用文本指纹以及局部敏感哈希技术,将假消息文本转化为可以进行快速相似性比对的关键字向量,进而利用可搜索加密技术在密文数据集上进行关键字查找,最终实现对密文假消息的比对和判定,且检测速度快,鲁棒性较强。此外本发明使用了不经意伪随机函数,在判断该消息是否为假消息的同时,保证用户的查询信息不会被泄露给第三方假消息鉴定机构和社交媒体假消息检测商。本发明还可通过第三方假消息鉴定机构授权加密的方式控制服务次数,进一步保证假消息鉴定机构发布的已鉴定假消息列表不会被社交媒体平台恶意追踪或纂改。

    一种基于Cross-FCL的跨环境动态自适应联邦持续学习方法

    公开(公告)号:CN116090583A

    公开(公告)日:2023-05-09

    申请号:CN202211669532.5

    申请日:2022-12-24

    Abstract: 本发明涉及一种基于Cross‑FCL的跨环境动态自适应联邦持续学习方法,所述方法采用跨环境联邦学习框架:所述跨环境联邦学习框架是指动态设备在多个地理位置相近的边缘联邦学习网络中切换环境及参与训练的过程;在所述跨环境联邦学习框架下,使用双层模型结构训练以及层替换方法实现模型对新环境的快速适应,利用旧环境先验知识调整模型对重要参数的更新。通过自适应调整模型重要参数的更新以提升模型的记忆力,通过双层模型结构训练以及层替换方法实现模型对新环境的快速适应;通过这种方法,模型的记忆性及适应性都得到了提升。

    一种上下文感知的深度学习模型自适应量化方法

    公开(公告)号:CN116227333A

    公开(公告)日:2023-06-06

    申请号:CN202211677086.2

    申请日:2022-12-26

    Abstract: 本发明涉及一种上下文感知的深度学习模型自适应量化方法,引入长短期记忆网络作为门控网络,在运行时感知深度学习模型的上下文预算变化,然后动态调整不同资源预算的深度学习模型门控网络,并在运行时由门控网络根据不同输入逐层动态调整深度学习模型的量化位宽。通过本发明提供的这种方法,模型完成对动态上下文预算的自适应。通过实时感知上下文的环境变化,为模型量化位宽的改变提供约束。并且通过采用门控网络产生量化位宽的方式大幅度降低搜索深度学习模型量化位宽的资源消耗并实现模型量化的动态自适应。

Patent Agency Ranking