-
Patent Agency Ranking
公开(公告)号：CN113113000A
公开(公告)日：2021-07-13
申请号：CN202110367779.0
申请日：2021-04-06
Applicant: 重庆邮电大学
Abstract: 本发明涉及一种基于自适应掩膜和分组线性变换的轻量级语音识别方法，属于数据处理领域。该方法包括以下步骤：S1：基于自适应掩膜注意力机制的编码；S2：基于分组线性变换。本发明从模型算法角度出发，为解决语音识别在边缘计算设备上的轻量化部署难题提供一种新的方法，通过基于自适应掩膜的局部注意力机制提取语音特征的局部信息并与融合全局信息，使用基于分组线性变换的解码网络，完成对语音高层抽象特征的轻量化解码。
-
公开(公告)号：CN113113000B
公开(公告)日：2022-05-13
申请号：CN202110367779.0
申请日：2021-04-06
Applicant: 重庆邮电大学
Abstract: 本发明涉及一种基于自适应掩膜和分组线性变换的轻量级语音识别方法，属于数据处理领域。该方法包括以下步骤：S1：基于自适应掩膜注意力机制的编码；S2：基于分组线性变换。本发明从模型算法角度出发，为解决语音识别在边缘计算设备上的轻量化部署难题提供一种新的方法，通过基于自适应掩膜的局部注意力机制提取语音特征的局部信息并与融合全局信息，使用基于分组线性变换的解码网络，完成对语音高层抽象特征的轻量化解码。
-
公开(公告)号：CN111767672A
公开(公告)日：2020-10-13
申请号：CN202010610473.9
申请日：2020-06-29
Applicant: 重庆邮电大学
IPC: G06F30/25 , G01R31/367 , G01R31/382 , G01R31/396 , G06F111/08 , G06F119/08
Abstract: 本发明涉及一种基于蒙特卡洛方法的锂电池异常工况数据自组增强方法，属于锂电池检测领域，包括以下步骤：S1：对小样本锂电池异常工况序列进行小波分解，得到多尺度小波系数；S2：将多尺度小波系数映射成m维超空间中点；S3：对多尺度分量进行蒙特卡洛自组。本发明兼顾了数据来源的真实性和数据分布的重构性，为不平衡的锂电池数据处理，提供了新的技术手段，亦可迁移到其他工业领域，作为解决数据不平衡问题的方法之一。
-
公开(公告)号：CN111767672B
公开(公告)日：2023-10-20
申请号：CN202010610473.9
申请日：2020-06-29
Applicant: 重庆邮电大学
IPC: G06F30/25 , G01R31/367 , G01R31/382 , G01R31/396 , G06F111/08 , G06F119/08
Abstract: 本发明涉及一种基于蒙特卡洛方法的锂电池异常工况数据自组增强方法，属于锂电池检测领域，包括以下步骤：S1：对小样本锂电池异常工况序列进行小波分解，得到多尺度小波系数；S2：将多尺度小波系数映射成m维超空间中点；S3：对多尺度分量进行蒙特卡洛自组。本发明兼顾了数据来源的真实性和数据分布的重构性，为不平衡的锂电池数据处理，提供了新的技术手段，亦可迁移到其他工业领域，作为解决数据不平衡问题的方法之一。
-
公开(公告)号：CN111220921A
公开(公告)日：2020-06-02
申请号：CN202010017957.2
申请日：2020-01-08
Applicant: 重庆邮电大学
IPC: G01R31/388 , G01R31/367 , G01R31/396 , G01R31/392 , G01R31/00 , G06N3/04 , G06N3/08
Abstract: 本发明涉及基于改进卷积-长短时记忆神经网络的锂电池容量估算方法，属于锂电池技术领域。本发明通过对锂电池数据的处理、遗传算法对改进的卷积-长短时记忆神经网络神经网络调参、改进的CNN-LSTM神经网络训练和模型测试这四个步骤得到锂电池容量估算的模型。本发明引进经验模态分解算法对锂电池数据进行分解，从而实现数据去噪。遗传算法优化改进的CNN-LSTM神经网络超参数。利用卷积神经网络提取锂电池充放电数据的空间特征，再将这些特征输入改进的长短时记忆神经网络进行时间特征的提取，最后通过全连接层输出估算的容量。本发明克服了传统的基于模型的算法过度依赖电池模型的局限性，且预测精度高，具有一定工程应用性。
-
-
-
-
Search Results
5
records
(took 0.021 seconds)
