-
公开(公告)号：CN111611375B
公开(公告)日：2022-06-07
申请号：CN202010243977.1
申请日：2020-03-31
IPC分类号： G06F16/35 , G06F40/289 , G06F40/30 , G06N3/04
摘要： 本发明提出一种基于深度学习和转折关系的文本情感分类方法，属于自然语言处理、人工智能领域。本发明包括如下步骤：文本和属性编码模块对输入的文本和多个属性进行处理；文本特征提取模块对文本进行语义上下文特征提取；文本和属性交互模块使用神经网络和多注意力机制对文本和属性进行交互计算，获取针对属性的文本向量表示；分类模块将针对属性的文本向量映射到类别向量，得到类别的概率分布；损失函数设计和模型训练模块使用交叉熵损失函数和转折损失函数进行模型训练，得到情感识别模型。本发明通过设置的新型损失函数，来辅助抑制错误偏好的判断，实现针对特定属性的文本准确分类，提高了情感识别的准确率。
-
公开(公告)号：CN106027032A
公开(公告)日：2016-10-12
申请号：CN201610341295.8
申请日：2016-05-20
申请人： 北京航空航天大学
IPC分类号： H03K19/20
CPC分类号： H03K19/20
摘要： 一种单位延时模型下RM逻辑电路延时优化方法，其特征在于：该方法具体步骤包括：步骤1，读入布尔Boolean逻辑电路；步骤2，利用RM表达式化简方法得到含与项数最少的最简RM逻辑表达式；步骤3，基于哈夫曼Huffman树构造算法对最简RM逻辑表达式中的每个与项进行延时分解，使得每个与项的延时最小；步骤4，基于Huffman树构造算法对由所有与项组成的最简RM逻辑表达式进行延时分解，使得最简RM逻辑表达式的延时最小；步骤5，输出最简RM逻辑表达式的最小延时。本发明提供的延时优化方法，可快速有效地将布尔逻辑电路转换为具有最小延时的RM逻辑电路，进而降低电路延时、提高电路的工作速度和性能。
-
公开(公告)号：CN105187051A
公开(公告)日：2015-12-23
申请号：CN201510411878.9
申请日：2015-07-14
申请人： 北京航空航天大学
摘要： 一种基于NSGA-II用于不完全确定Reed-Muller电路功耗与面积优化方法，1将不完全确定布尔逻辑函数转换为零极性不完全确定RM表达式；2将不完全确定布尔逻辑函数无关项取舍二进制数编码为染色体；3建立功耗面积估计模型；4建立功耗面积目标函数；5建立与功耗面积相关适应度函数；6确定约束条件；7对参数初始化；8产生初始种群执行非支配排序；9执行选择交叉和变异，生成子代种群；10将父代子代种群合并，执行非支配排序；11计算非支配层中个体拥挤度并组成新父代种群；12对新父代种群执行选择交叉和变异，生成新子代种群；13若当前进化代数小于等于最大进化代数，则返回10；否则，输出最优解集；14从最优解集中选择最佳无关项取舍，得到对应的完全确定RM表达式。
-
公开(公告)号：CN111611375A
公开(公告)日：2020-09-01
申请号：CN202010243977.1
申请日：2020-03-31
IPC分类号： G06F16/35 , G06F40/289 , G06F40/30 , G06N3/04
摘要： 本发明提出一种基于深度学习和转折关系的文本情感分类方法，属于自然语言处理、人工智能领域。本发明包括如下步骤：文本和属性编码模块对输入的文本和多个属性进行处理；文本特征提取模块对文本进行语义上下文特征提取；文本和属性交互模块使用神经网络和多注意力机制对文本和属性进行交互计算，获取针对属性的文本向量表示；分类模块将针对属性的文本向量映射到类别向量，得到类别的概率分布；损失函数设计和模型训练模块使用交叉熵损失函数和转折损失函数进行模型训练，得到情感识别模型。本发明通过设置的新型损失函数，来辅助抑制错误偏好的判断，实现针对特定属性的文本准确分类，提高了情感识别的准确率。
-
公开(公告)号：CN110399846A
公开(公告)日：2019-11-01
申请号：CN201910689483.3
申请日：2019-07-29
摘要： 本发明提出一种基于多通道肌电信号相关性的手势识别方法，首先对每个通道采集的肌电信号进行去噪处理，在根据信号振幅强弱检测出活动段，然后对活动段信号进行结构化处理，通过叠加连续若干个时间窗口把信号处理成具有时间相关性的格式，以进一步提高了识别准确率，最后，基于CNN+RNN神经网络实现混合神经网络CRNet，建立手势识别的分类器，分类器的输入为结构化处理的信号，分类器的输出为手势分类概率，利用训练好的分类器进行手势识别。本发明只使用若干肌电传感器采集原始信号，不需要额外的复杂设备，操作方便且环境适应性好。本发明能够有效去除信号中的噪声，所用的分类器减少了计算资源并提高了识别效率，更适于工程应用。
-
公开(公告)号：CN105187051B
公开(公告)日：2017-12-05
申请号：CN201510411878.9
申请日：2015-07-14
申请人： 北京航空航天大学
摘要： 一种基于NSGA‑II用于不完全确定Reed‑Muller电路功耗与面积优化方法，1将不完全确定布尔逻辑函数转换为零极性不完全确定RM表达式；2将不完全确定布尔逻辑函数无关项取舍二进制数编码为染色体；3建立功耗面积估计模型；4建立功耗面积目标函数；5建立与功耗面积相关适应度函数；6确定约束条件；7对参数初始化；8产生初始种群执行非支配排序；9执行选择交叉和变异，生成子代种群；10将父代子代种群合并，执行非支配排序；11计算非支配层中个体拥挤度并组成新父代种群；12对新父代种群执行选择交叉和变异，生成新子代种群；13若当前进化代数小于等于最大进化代数，则返回10；否则，输出最优解集；14从最优解集中选择最佳无关项取舍，得到对应的完全确定RM表达式。
-
公开(公告)号：CN105468872A
公开(公告)日：2016-04-06
申请号：CN201510983383.3
申请日：2015-12-24
申请人： 北京航空航天大学
IPC分类号： G06F17/50
CPC分类号： G06F17/505
摘要： 本发明提供的一种包含无关项的Reed-Muller逻辑电路优化方法，通过加入无关项，使得Reed-Muller逻辑电路的优化空间增大，电路优化的效果更佳。包括以下步骤：1利用列表技术将不完全确定布尔逻辑函数转换为零极性不完全确定Reed-Muller逻辑函数；2将零极性不完全确定Reed-Muller逻辑函数的极性和无关项取舍一起编码为染色体；3利用遗传算法搜索具有最佳电路性能的最佳染色体；根据搜索到的最佳染色体得到最佳RM逻辑函数。
-
-
-
-
-
-
搜索结果
7 条记录 (耗时 0.029 秒)
