-
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。
-
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：CN114637925B
公开(公告)日：2025-03-28
申请号：CN202210287614.7
申请日：2022-03-22
Applicant: 辽宁工程技术大学
IPC: G06F16/9536 , G06N3/04 , G06N3/08
Abstract: 本发明公开了一种基于SVD++和UBCF算法的混合推荐方法，该方法包括以下步骤：构造SVD++对象的初始化方法，用于定义初始化参数并进行赋值；定义SVD++对象的训练方法，用于构造神经网络，迭代地使用SVD++算法对初始矩阵进行训练并输出；主函数对SVD++算法的调用；在程序中对生成推荐结果函数进行定义，然后定义计算RMSE的函数，最后在主函数中对UBCF算法进行调用，对新评分矩阵进行二次预测计算，获得SVD++与UBCF混合推荐结果。本发明在程序中对生成推荐结果函数进行定义，然后定义计算RMSE的函数，最后在主函数中对UBCF算法进行调用，对新评分矩阵进行二次预测计算，获得SVD++与UBCF混合推荐结果。
-
公开(公告)号：CN114637925A
公开(公告)日：2022-06-17
申请号：CN202210287614.7
申请日：2022-03-22
Applicant: 辽宁工程技术大学
IPC: G06F16/9536 , G06N3/04 , G06N3/08
Abstract: 本发明公开了一种基于SVD++和UBCF算法的混合推荐方法，该方法包括以下步骤：构造SVD++对象的初始化方法，用于定义初始化参数并进行赋值；定义SVD++对象的训练方法，用于构造神经网络，迭代地使用SVD++算法对初始矩阵进行训练并输出；主函数对SVD++算法的调用；在程序中对生成推荐结果函数进行定义，然后定义计算RMSE的函数，最后在主函数中对UBCF算法进行调用，对新评分矩阵进行二次预测计算，获得SVD++与UBCF混合推荐结果。本发明在程序中对生成推荐结果函数进行定义，然后定义计算RMSE的函数，最后在主函数中对UBCF算法进行调用，对新评分矩阵进行二次预测计算，获得SVD++与UBCF混合推荐结果。
-
-
-
Search Results
4
records
(took 0.019 seconds)
