-
公开(公告)号：CN115171710A
公开(公告)日：2022-10-11
申请号：CN202210799728.X
申请日：2022-07-08
申请人： 山东省计算中心(国家超级计算济南中心) , 齐鲁工业大学
IPC分类号： G10L21/007 , G10L21/0224 , G10L21/0232 , G10L19/02 , G10L25/63 , G06N3/08 , G06N3/04
摘要： 本发明属于语音信号处理的语音增强技术领域，提供了一种基于多角度判别的生成对抗网络的语音增强方法及系统。该方法包括，获取带噪声语音信号；基于带噪声语音信号，采用训练好的生成对抗网络，得到增强后的语音信号；其中，所述生成对抗网络包括一个生成器和四个判别器。本发明的多角度判别包括：增强后语音信号、干净语音与情绪语音之间的差异；同时添加从频域判别学习增强后语音信号、干净语音与情绪语音之间的频域差异。本发明从不同语音信号的语音成分进行判别，以及语音的时域频域角度，能够从不同角度充分学习语音成分，为生成器提供足够多的反馈信息，可以有效改善语音失真，提高增强后语音的语音质量。
-
公开(公告)号：CN115145966A
公开(公告)日：2022-10-04
申请号：CN202211075909.4
申请日：2022-09-05
申请人： 山东省计算中心(国家超级计算济南中心) , 北京威努特技术有限公司
IPC分类号： G06F16/2455 , G06F16/23 , G06N20/00 , G06K9/62
摘要： 本发明属于人工智能领域，提供了一种面向异构数据的对比联邦学习方法及系统，包括客户端利用当前轮次中当前次数局部更新的局部模型和上一次局部更新的历史局部模型的正余弦距离、当前轮次中当前次数局部更新的局部模型与当前全局模型之间的负余弦距离对当前局部模型进行优化，使得客户端当前轮次的局部模型靠近当前全局模型而远离上一轮次的局部模型，得到最新的局部模型；服务端获取多个客户端的最新的局部模型进行聚合，更新全局模型。本发明从模型相似度的角度建立异构环境下联邦学习的优化问题，使每个客户端都能够学习到接近全局模型表示，以最小化局部模型差异。
-
公开(公告)号：CN113096673B
公开(公告)日：2022-09-30
申请号：CN202110341574.5
申请日：2021-03-30
申请人： 山东省计算中心(国家超级计算济南中心)
摘要： 本发明属于语音处理领域，提供了一种基于生成对抗网络的语音处理方法及系统。其中，该方法包括获取源语音，并输入至编码器对源语音进行编码；将编码后的语音信号输入至生成对抗网络模型，最后输出与源语音相匹配的恢复的语音；其中，生成对抗网络模型包括生成器和鉴别器，训练集由编码前的源语音和编码后质量下降的语音构成；生成器用于恢复编码后质量下降的语音；鉴别器用于比对恢复后的语音与编码前的源语音以区分真信号与假信号，再由鉴别器将区分结果反馈给生成器，以指导生成器学习源语音的真实分布的输出。解决了语音编码器生成的语音质量较低的问题，并且具有更高的泛化性，对多种ITU标准下的编码器生成的编解码后的语音都有效。
-
公开(公告)号：CN115019833A
公开(公告)日：2022-09-06
申请号：CN202210852485.1
申请日：2022-07-20
申请人： 山东省计算中心(国家超级计算济南中心) , 齐鲁工业大学
摘要： 本发明提供一种基于时频特征和全局注意力的语音情感识别方法及系统，涉及语音信号处理与模式识别技术领域，该方法通过提取三维对数梅尔谱图的时间特征和频率特征，并进行分析处理，以充分利用语音信号的静态特征和动态特征，以及静态特征和动态特征之间的通道联系，得到更深层次的特征联系，丰富了特征维度；并且，提取时间维度和空间(频率)维度数据，将其进行融合；利用空间特征提取模块和全局上下文注意力模块对时间‑频率特征进行分析，充分利用语音信号所包含的空间特征和时间特征，并对融合后的特征进行通道间的特征进行分析，其分析的特征更为全面，从而可以提高情感识别结果的准确率。
-
公开(公告)号：CN112906382B
公开(公告)日：2022-06-21
申请号：CN202110160984.X
申请日：2021-02-05
申请人： 山东省计算中心(国家超级计算济南中心) , 齐鲁工业大学
IPC分类号： G06F40/284 , G06N3/08
摘要： 本发明公开了基于图神经网络的政策文本多标签标注方法及系统，包括：获取待标注的政策文本；对待标注的政策文本进行预处理，对预处理后的政策文本进行分词；将分词得到的单词和预先得到的加权单词向量，输入到训练后的全连接神经网络中，输出待标注政策文本的多标签。高效的标签标注过程，利用廉价的计算资源，减少大量人工成本。相较于人工，实现更加精准的标签标注，不会因为文件信息量的长短而产生标签标注的错漏。及时性的政策文件多标签标注，快速进行所需政策文件的标签标注。减少了主观差异性，不会因为不同的工人的主观判断不同而造成大量的标注标签的差异性。
-
公开(公告)号：CN113543295A
公开(公告)日：2021-10-22
申请号：CN202110719226.7
申请日：2021-06-28
申请人： 山东省计算中心(国家超级计算济南中心) , 山东山科智能科技有限公司
摘要： 本发明公开了基于声波通讯的数据传输方法及系统，包括一发送设备和至少一接收设备，所述任一接收设备均具有唯一的ID，且所述发送设备和所述接收设备均具有声音播放和拾取功能，所述数据传输方法包括以下步骤:首先，一探测设备帧首先被所述发送设备周期性地发送，所述接收设备如果接收到该探测设备帧，则所述接收设备会向所述发送设备回复一探测应答帧；其次，所述发送设备发送的数据帧中记载有帧号和该接收设备ID，相邻数据帧的帧号是连续的；最后，所述接收设备将所有缺少和数据校验错误数据帧的帧号发送给所述发送设备，所述发送设备重传，直到所有数据帧被所述接收设备正确地接收。本发明有效地提高了数据通讯的波特率。
-
公开(公告)号：CN112887304A
公开(公告)日：2021-06-01
申请号：CN202110096602.1
申请日：2021-01-25
申请人： 山东省计算中心(国家超级计算济南中心)
摘要： 本申请公开了基于字符级神经网络的WEB应用入侵检测方法及系统，接收网络流量数据；对网络流量数据进行规格化处理；将规格化处理后的网络流量数据，进行黑名单前置检测；如果网络流量数据与黑名单中任一名单相匹配，则输出入侵警告；否则进入下一步；对通过黑名单检测的网络流量数据进行规则过滤检测；如果规则过滤检测通过，则进入下一步；否则，输出入侵警告；对经过规则过滤检测的网络流量数据，输入到训练后的基于字符级的循环神经网络中，神经网络输出入侵检测结果；将入侵检测结果记录到日志中，将检测结果为安全的网络流量数据转发给WEB服务器，将检测结果为不安全的网络流量数据进行拦截，并显示入侵警告。
-
公开(公告)号：CN105491656B
公开(公告)日：2019-08-13
申请号：CN201510653573.9
申请日：2015-10-12
申请人： 山东大学(威海) , 山东省计算中心(国家超级计算济南中心)
CPC分类号： Y02D70/20
摘要： 本发明涉及一种面向大规模自组网的轻量级时间同步方法。其解决了现有时间同步方法开销较大且无法在无线传感网中实际应用的问题，其包括基于TDMA思想的网络时间资源划分、节点层次结构构建、节点时间同步以及根据子节点同步精度对同步周期进行自适应地调整。通过测试和仿真发现，本发明能够获得较高的网络同步精度，能够在保证节点间数据正常交互的前提下，根据子节点同步精度自适应地调整同步周期，极大地降低网络同步开销。面向大规模自组网的轻量级时间同步方法能够较好的应用于大规模自组网，有效地降低网络同步功耗。
-
公开(公告)号：CN113543295B
公开(公告)日：2023-11-07
申请号：CN202110719226.7
申请日：2021-06-28
申请人： 山东省计算中心(国家超级计算济南中心) , 山东山科智能科技有限公司
IPC分类号： H04W52/04 , H04L1/1607 , H04L1/18 , H04B11/00
摘要： 本发明公开了基于声波通讯的数据传输方法及系统，包括一发送设备和至少一接收设备，所述任一接收设备均具有唯一的ID，且所述发送设备和所述接收设备均具有声音播放和拾取功能，所述数据传输方法包括以下步骤:首先，一探测设备帧首先被所述发送设备周期性地发送，所述接收设备如果接收到该探测设备帧，则所述接收设备会向所述发送设备回复一探测应答帧；其次，所述发送设备发送的数据帧中记载有帧号和该接收设备ID，相邻数据帧的帧号是连续的；最后，所述接收设备将所有缺少和数据校验错误数据帧的帧号发送给所述发送设备，所述发送设备重传，直到所有数据帧被所述接收设备正确地接收。本发明有效地提高了数据通讯的波特率。
-
公开(公告)号：CN113033490B
公开(公告)日：2023-09-19
申请号：CN202110443273.3
申请日：2021-04-23
申请人： 山东省计算中心(国家超级计算济南中心)
IPC分类号： G06F18/213 , G06F18/241 , G06F18/214 , G06F21/60 , G06N3/048 , G06N3/08 , G01H17/00
摘要： 本公开提供了一种基于声音信号的工业设备通用故障检测方法及系统，获取待识别的工业设备音频数据；将获取的音频数据输入到预设分类模型中，得到故障检测结果；其中，在基于Deep‑SVDD构建的预设分类模型中，提取梅尔频率倒谱系数特征和短时过零率特征，将获取的特征通过BP神经网络编码并计算编码后的向量距离超球体圆心的距离，依照距离得到检测评分，根据评分与预设阈值的对比得到故障检测结果；本公开利用基于Deep‑SVDD构建的预设分类模型，能够最大限度上模拟人的判断行为，实现了快速精准的故障检测。
-
-
-
-
-
-
-
-
-
搜索结果
69 条记录 (耗时 0.041 秒)
