-
公开(公告)号：CN111239685B
公开(公告)日：2021-08-24
申请号：CN202010021009.6
申请日：2020-01-09
Applicant: 辽宁工程技术大学
Abstract: 本发明提供一种基于均匀设计和自组织特征映射神经网络的声源定位方法，涉及声源定位技术领域。首先确定声源所在三维空间，并将其划分为n个立体网格；选择声音信号的m个特征作为均匀设计法中的实验因素；从n个网格中选取均匀散布的k个网格做成均匀设计表；建立自组织特征映射神经网络，将均匀设计表中的数据进行归一化处理后作为该网络的输入；对自组织特征映射神经网络输入层与输出层的神经元连接权值赋值，并确定权值调整域，对权值进行更新；对自组织特征映射神经网络的学习率赋初始值，并设定学习率随训练次数增加逐渐减小；采用欧式距离法比较输入量与竞争层中的神经元对应的权值的相似性，获得声源稀疏位置，最终实现声源的精确定位。
-
公开(公告)号：CN112948707A
公开(公告)日：2021-06-11
申请号：CN202110143465.2
申请日：2021-02-02
Applicant: 辽宁工程技术大学
IPC: G06F16/9536 , G06K9/62
Abstract: 本发明公开了一种强化学习优化LFM的协同过滤推荐算法，包括训练与预测两部分。所述训练部分主要包括两步：第一步，首先采用LFM算法对训练集进行模型训练，第二步，对强化学习模型进行训练；所述预测部分主要包括两步：第一步，首先根据LFM推荐模型得到预测评分值；第二步利用优化模型对预测评分进行优化。本发明的强化学习优化LFM的协同过滤推荐算法，考虑到时间效应对推荐性能的影响，通过马尔科夫决策过程对用户、评分、图书、时间进行建模，并用强化学习Q‑learning算法对推荐算法进行优化，提升推荐效果，完成预测。
-
公开(公告)号：CN111239685A
公开(公告)日：2020-06-05
申请号：CN202010021009.6
申请日：2020-01-09
Applicant: 辽宁工程技术大学
Abstract: 本发明提供一种基于均匀设计和自组织特征映射神经网络的声源定位方法，涉及声源定位技术领域。首先确定声源所在三维空间，并将其划分为n个立体网格；选择声音信号的m个特征作为均匀设计法中的实验因素；从n个网格中选取均匀散布的k个网格做成均匀设计表；建立自组织特征映射神经网络，将均匀设计表中的数据进行归一化处理后作为该网络的输入；对自组织特征映射神经网络输入层与输出层的神经元连接权值赋值，并确定权值调整域，对权值进行更新；对自组织特征映射神经网络的学习率赋初始值，并设定学习率随训练次数增加逐渐减小；采用欧式距离法比较输入量与竞争层中的神经元对应的权值的相似性，获得声源稀疏位置，最终实现声源的精确定位。
-
-
Search Results
3
records
(took 0.02 seconds)
