公开(公告)号：CN117909918A

公开(公告)日：2024-04-19

申请号：CN202410083849.3

申请日：2024-01-19

Applicant: 重庆邮电大学

Inventor： 赵德春 ,  贺祥飞 ,  张和华 ,  韦莉 ,  孙九悦 ,  喻致宽

IPC: G06F18/25 ,  G06F18/24 ,  G06N3/045 ,  G06N3/09 ,  G06F40/295

Abstract: 本发明涉及一种基于融合特征的监护仪故障预测方法和系统，包括：获取监护仪故障记录数据，并对监护仪故障记录数据进行预处理；利用训练好的预训练语言模型对监护仪故障现象描述文本进行特征嵌入，得到融合多种语言任务信息的第一融合特征；利用TF‑IDF模型提取出监护仪故障现象描述文本的词频特征；并根据词频特征对第一融合特征进行加权融合得到第二融合特征；将第二融合特征输入BiGRU模型进行进一步的特征提取得到第三融合特征；将第三融合特征输入注意力机制进行加权得到第四融合特征，将第四融合特征输入分类层，预测监护仪的故障类别；根据监护仪的故障类别预测结果和监护仪的真实故障类别构建加权损失函数对模型的参数进行更新。

公开(公告)号：CN117877534A

公开(公告)日：2024-04-12

申请号：CN202410048144.8

申请日：2024-01-12

Applicant: 重庆邮电大学

Inventor： 赵德春 ,  张子豪 ,  喻致宽 ,  刘奇 ,  王鹏程 ,  张汇泉

IPC: G10L25/66 ,  G10L25/18 ,  G10L25/45 ,  G10L25/30 ,  G10L25/21 ,  G06N3/0475 ,  G06N3/0464 ,  G06N3/045 ,  G06N3/094

Abstract: 本发明属于图像识别技术领域，具体涉及一种基于样本扩充的帕金森病图谱分类方法，包括：将原始的语音信号转化为原始语谱图；建立深度卷积对抗生成对抗网络，并对深度卷积对抗生成对抗网络进行训练；将原始语谱图输入训练后的深度卷积对抗生成对抗网络，生成扩充样本；使用评价指标对扩充样本进行评估，并挑选出质量较高的语谱图；将原始语谱图与挑选出来的语谱图进行合并，输入ConvNeXt模型进行图谱分类。本发明通过引入双自注意力机制建立长距离依赖关系，以帮助模型提高细节特性和全局特性，从而提高生成样本的质量，同时还引入梯度惩罚和频谱归一化技术提高深度卷积生成对抗网络模型的稳定性。